基于供給側(cè)結(jié)構(gòu)性改革的碳排放減排路徑及模擬調(diào)控

摘要本文通過分析供給側(cè)要素與碳排放影響因素之間的作用關(guān)系，構(gòu)建碳排放系統(tǒng)動力學(xué)模型，模擬預(yù)測未來中國碳排放的發(fā)展趨勢。在此基礎(chǔ)上，設(shè)置4種不同的發(fā)展情景方案，通過調(diào)控供給側(cè)資本、勞動力及創(chuàng)新等要素分析預(yù)測不同情景方案對碳排放的影響。研究結(jié)果表明：①GDP增長率年均6.5%的情景下，按照現(xiàn)有系統(tǒng)行為規(guī)律，至2025年中國碳排放量預(yù)計將達到300 669萬t。②通過增加第三產(chǎn)業(yè)固定資產(chǎn)投資比重、提升第三產(chǎn)業(yè)就業(yè)人員比重以及加大科技投入等路徑均能夠使得碳排放呈現(xiàn)不同程度地下降；其中，第三產(chǎn)業(yè)就業(yè)人員比重的增加對碳減排作用最顯著，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)就業(yè)人員比重分別降低和增加1%，碳排放預(yù)計將下降5.95%。③資本、勞動力及創(chuàng)新等要素綜合調(diào)控下，能夠?qū)崿F(xiàn)GDP增加的同時碳排放量下降，預(yù)計下降到286 284萬t。

關(guān)鍵詞碳減排；供給側(cè)要素；系統(tǒng)動力學(xué)；模擬調(diào)控

中圖分類號F205文獻標識碼A文章編號1002-2104（2018）08-0047-09DOI：10.12062/cpre.20180318

2015年11月10日，中央財經(jīng)領(lǐng)導(dǎo)小組會議上，習(xí)近平總書記指出：“在適度擴大總需求的同時，著力加強供給側(cè)結(jié)構(gòu)性改革，著力提高供給體系質(zhì)量和效率?！惫┙o側(cè)結(jié)構(gòu)性改革是推動我國生態(tài)文明建設(shè)的重要舉措，是當(dāng)前全面深化改革的重要內(nèi)容。供給側(cè)改革不僅會推動我國產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，也將影響我國節(jié)能與碳減排目標的實現(xiàn)。供給側(cè)改革和碳減排相互作用，互為辯證，供給側(cè)改革把節(jié)能減排作為重點任務(wù)；碳減排也要以供給側(cè)改革為契機，通過供給側(cè)改革為綠色低碳經(jīng)濟發(fā)展提供動力。供給側(cè)改革的目的是實現(xiàn)勞動力、土地、資本和創(chuàng)新四大要素的優(yōu)化配置，碳減排也應(yīng)從供給側(cè)要素著手，把供給側(cè)改革與碳減排結(jié)合起來，實現(xiàn)要素最優(yōu)配置的同時控制碳排放。因此，研究供給側(cè)要素與碳排放之間的相互作用關(guān)系，從供給側(cè)改革角度分析碳減排調(diào)控路徑，具有一定的理論和現(xiàn)實意義。

1文獻綜述

近年來學(xué)者們從不同角度對碳排放減排路徑及預(yù)測進行了一系列的研究。從碳減排路徑角度看，林伯強[1]、王喜[2]、Lantz等[3]在明確碳排放影響因素的基礎(chǔ)上，分析經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)和碳排放強度等不同影響因素對碳減排的作用并提出相應(yīng)的減排路徑。許士春[4]、婁峰[5]、張俊榮等[6]分別模擬預(yù)測不同的碳稅征收政策、碳交易機制設(shè)計對碳減排的效果。從碳排放的預(yù)測方法角度看，預(yù)測方法主要有IPAT模型、LEAP模型、STIRPAT模型、神經(jīng)網(wǎng)絡(luò)和情景分析法等[7-11]。如聶銳[12]、王佳等[13]運用IPAT模型和“脫鉤”理論，對江蘇省和中國未來經(jīng)濟發(fā)展以及碳排放進行了預(yù)測研究。Park[14]、徐成龍等[15]應(yīng)用LEAP模型分析預(yù)測產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對碳排放量可能帶來的影響。張樂勤[16]、黃蕊等[17]構(gòu)建STIRPAT模型實證分析了碳排放的驅(qū)動因素，并對碳排放峰值進行預(yù)測。Lin[18]、朱宇恩等[19]將IPAT模型與情景分析方法結(jié)合探討中長期碳排放量以及峰值年的預(yù)測。鄧明翔等[20]結(jié)合LEAP模型和情景分析法預(yù)測不同情景下云南省供給側(cè)結(jié)構(gòu)性改革對產(chǎn)業(yè)碳排放及碳強度的影響。

上述研究在預(yù)測碳排放量時只考慮到某單一因素變化所導(dǎo)致的碳排放變化，并未綜合考慮碳排放及其影響因素間的相互作用。然而，碳排放量會受到許多因素的影響，并且各因素之間也相互影響。因此，系統(tǒng)動力學(xué)模型近年來在碳排放預(yù)測中得到廣泛應(yīng)用[21-22]，其最大優(yōu)勢是適合處理復(fù)雜系統(tǒng)的非線性問題，避免了單一以及低維度預(yù)測的片面性。但是，現(xiàn)有研究成果亦未見基于供給側(cè)要素調(diào)控的碳排放模擬預(yù)測。

供給側(cè)的本質(zhì)是資本、勞動力和技術(shù)等生產(chǎn)要素的組合與配置，供給體系所存在的問題本質(zhì)上就是生產(chǎn)要素低效率、低質(zhì)量的“錯配”。供給側(cè)要素的優(yōu)化配置能夠提高全要素生產(chǎn)率的同時從源頭以盡可能少的能源消耗和環(huán)境破壞來實現(xiàn)經(jīng)濟可持續(xù)發(fā)展。資本、勞動力和創(chuàng)新等供給側(cè)要素對碳排放產(chǎn)生直接或間接的影響。資本和勞動力結(jié)構(gòu)變動通過影響社會資產(chǎn)總量在各產(chǎn)業(yè)的配置構(gòu)成，進而影響產(chǎn)業(yè)結(jié)構(gòu)的動態(tài)，而產(chǎn)業(yè)結(jié)構(gòu)變化是導(dǎo)致碳排放增長的重要驅(qū)動因素；科技創(chuàng)新則對碳排放具有抑制作用[23]。因此，供給側(cè)改革不僅會推動產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，也將影響我國節(jié)能與碳減排目標的實現(xiàn)。本文基于供給側(cè)資本、勞動力及創(chuàng)新等要素，分析供給側(cè)要素與碳排放影響因素之間的作用關(guān)系，構(gòu)建碳排放系統(tǒng)動力學(xué)模型。在對模型進行有效性檢驗后，模擬預(yù)測中國未來碳排放的發(fā)展變化趨勢。在此基礎(chǔ)上，通過調(diào)控供給側(cè)資本、勞動力及創(chuàng)新等要素分析預(yù)測不同情景方案對碳排放的影響。

韓楠：基于供給側(cè)結(jié)構(gòu)性改革的碳排放減排路徑及模擬調(diào)控中國人口·資源與環(huán)境2018年第8期2基于供給側(cè)要素的碳排放系統(tǒng)動力學(xué)模型構(gòu)建2.1系統(tǒng)變量及流圖分析

系統(tǒng)動力學(xué)（System Dynamics）是一門分析和解決系統(tǒng)問題的綜合性學(xué)科，也是認識研究信息反饋系統(tǒng)的具有交叉性的學(xué)科，對于處理復(fù)雜系統(tǒng)的非線性問題具有較大優(yōu)勢[24]。系統(tǒng)動力學(xué)模型建立主要包括四個步驟：劃定系統(tǒng)邊界、確定因果關(guān)系反饋回路、繪制流圖并編寫方程、模型模擬與檢驗。

本文通過分析碳排放影響因素與供給側(cè)要素的作用關(guān)系，構(gòu)建系統(tǒng)動力學(xué)模型，首先分別界定供給側(cè)要素及影響碳排放的主要變量。

參考目前學(xué)者對碳排放影響因素的研究成果，碳排放影響因素主要包括經(jīng)濟水平、人口、科技水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費等因素[23，25-28]。因此，本文根據(jù)影響碳排放的因素設(shè)置碳排放量、GDP、人均GDP、總?cè)丝凇⑹芙逃藬?shù)、科技水平、科技經(jīng)費支出、第二產(chǎn)業(yè)占GDP比重、能源消費等變量。

供給側(cè)要素主要包括資本、勞動力、創(chuàng)新及土地四大要素，其中選取與碳排放量有關(guān)的資本、勞動力及創(chuàng)新要素作為系統(tǒng)模型的指標變量。設(shè)置全社會固定資產(chǎn)投資、三次產(chǎn)業(yè)固定資產(chǎn)投資比重、就業(yè)人員數(shù)、三次產(chǎn)業(yè)就業(yè)人員比重、科技投入強度等指標分別反映供給側(cè)的資本、勞動力及創(chuàng)新。

在分析供給側(cè)要素與碳排放影響因素相互作用關(guān)系及相關(guān)變量選取的基礎(chǔ)上，利用Vensim軟件繪制系統(tǒng)因果關(guān)系圖，進一步確定系統(tǒng)中不同變量的性質(zhì)，參考系統(tǒng)動力學(xué)理論方法中流圖的基本符號，繪制出基于供給側(cè)要素的碳排放系統(tǒng)流圖（見圖1）。

從圖1可以看出，基于供給側(cè)要素的碳排放系統(tǒng)流圖中，共選取43個變量，其中包括2個狀態(tài)變量、3個速率變量、24個輔助變量和14個常量。

2.2系統(tǒng)參數(shù)確定

鑒于2003年前后數(shù)據(jù)統(tǒng)計口徑的變化，系統(tǒng)歷史數(shù)據(jù)選取2003—2015年，共13年，以2003年作為仿真模擬的基期。參考國家發(fā)改委能源所的碳排放系數(shù)計算得出2003—2015年中國碳排放量：碳排放量=Σ第i種能源消費量×碳排放系數(shù)。原始數(shù)據(jù)來源于《中國統(tǒng)計年鑒》[29]。

圖1中系統(tǒng)各變量參數(shù)主要通過以下方法計算得出：

（1）平均值法。對于一些數(shù)值變動幅度相對較小的常量，根據(jù)統(tǒng)計年鑒中的歷史數(shù)據(jù)采用平均值法對變量進行賦值，如科技投入強度、三次產(chǎn)業(yè)就業(yè)人員比重、三次產(chǎn)業(yè)固定資產(chǎn)投資比重等變量。

（2）直接賦值法。對于狀態(tài)變量的初值采用直接賦值的方法，根據(jù)統(tǒng)計年鑒的歷史數(shù)據(jù)直接確定，如總?cè)丝跀?shù)和GDP的初值。

（3）回歸分析法。通過一元或多元線性回歸分析方法對輔助變量進行賦值，如就業(yè)人員數(shù)、碳排放量、全社會固定資產(chǎn)投資等變量。

（4）比率分析法。在定性分析的基礎(chǔ)上，通過選定的計算公式對變量的數(shù)量關(guān)系進行推導(dǎo)，如科技經(jīng)費支出、能源消費量和三次產(chǎn)業(yè)就業(yè)人員數(shù)等變量。

根據(jù)上述系統(tǒng)參數(shù)的計算方法，可以計算得出圖1中各變量之間數(shù)量關(guān)系的方程式。比如：碳排放量采用回歸分析方法確定該數(shù)量方程式的系數(shù)；第二、三產(chǎn)業(yè)固定資產(chǎn)投資比重以及第二、三產(chǎn)業(yè)就業(yè)人員比重和科技投入強度均通過2003—2015年的歷史數(shù)據(jù)采用平均值法對變量進行賦值。由于篇幅所限，本文僅列示圖1中與碳排放以及調(diào)控要素相關(guān)的主要數(shù)量關(guān)系方程式。

碳排放量=exp（8.957-1.706ln（科技水平）+0835ln（第二產(chǎn)業(yè)占GDP比重×100）+0.141ln（人均GDP）+1.428ln（能源消費量））（1）

第二產(chǎn)業(yè)固定資產(chǎn)投資比重=第二產(chǎn)業(yè)固定資產(chǎn)投資/全社會固定資產(chǎn)投資=0.430 6（2）

第三產(chǎn)業(yè)固定資產(chǎn)投資比重=第三產(chǎn)業(yè)固定資產(chǎn)投資/全社會固定資產(chǎn)投資=0.541 2（3）

第二產(chǎn)業(yè)就業(yè)人員比重=第二產(chǎn)業(yè)就業(yè)人員數(shù)/就業(yè)人員數(shù)=0.263 4（4）

第三產(chǎn)業(yè)就業(yè)人員比重=第三產(chǎn)業(yè)就業(yè)人員數(shù)/就業(yè)人員數(shù)=0.329 6（5）

科技投入強度=科技經(jīng)費支出/財政支出=0.042 1（6）

3系統(tǒng)模型的模擬預(yù)測

3.1有效性檢驗

建立系統(tǒng)動力學(xué)模型的目的是運用系統(tǒng)分析和解決問題，系統(tǒng)是否有效決定了模型的應(yīng)用性。因此，在模擬預(yù)測前先要進行有效性的歷史檢驗，以證實模型的合理性和準確性。

基于碳排放系統(tǒng)流圖和參數(shù)設(shè)置，應(yīng)用Vensim5.6a軟件對該模型有效性進行歷史檢驗。仿真區(qū)間設(shè)定為2003—2015年，仿真步長1年。通過模型有效性檢驗，驗證所建立模型的運行狀態(tài)與系統(tǒng)真實狀態(tài)是否相符。若模型運行結(jié)果與真實值之間誤差較小，則說明該模型設(shè)計合理、可行，能夠有效地反映系統(tǒng)未來的發(fā)展趨勢。通過模型的運行，對系統(tǒng)中所有變量均進行仿真檢驗，本文僅列示需要調(diào)控的碳排放指標以及反映經(jīng)濟發(fā)展狀況的GDP指標。通過對變量真實值和仿真結(jié)果的擬合程度來檢驗系統(tǒng)模型的有效性。模型運行的GDP和碳排放仿真值、真實值及誤差率見表1所示。

表1顯示，模型中變量GDP的仿真結(jié)果與真實值之間的誤差率除2007、2008年和2015年以外，均控制在5%之內(nèi)。碳排放的仿真結(jié)果與真實值的誤差率絕大部分也控制在5%之內(nèi)。由此可知，該模型運行結(jié)果的精確度基本控制在5%以內(nèi)，系統(tǒng)模型的真實值與仿真值之間誤差小、擬合程度較高。因此，建立的碳排放系統(tǒng)動力學(xué)模型可以很好地反映出供給側(cè)要素與碳排放影響因素之間的作用關(guān)系，模型運行狀況和系統(tǒng)參數(shù)設(shè)置合理，能夠應(yīng)用該模型對未來經(jīng)濟和碳排放量的發(fā)展變化趨勢進行模擬預(yù)測。

3.2基準情景下的系統(tǒng)仿真預(yù)測

在對碳排放系統(tǒng)動力學(xué)模型進行有效性檢驗后，對2016—2025年中國經(jīng)濟和碳排放量的發(fā)展變化趨勢進行模擬預(yù)測，仿真步長為1年。以2015年的實際數(shù)據(jù)為初始變量值，預(yù)測2016—2025年中國未來十年的碳排放以

及經(jīng)濟發(fā)展趨勢。根據(jù)十八大報告提出的“2020年國內(nèi)生產(chǎn)總值比2010年翻一番”增長速度以及“十三五”規(guī)劃綱要，將2016—2025年均GDP增長速度設(shè)定為6.5%。按照現(xiàn)有系統(tǒng)行為的發(fā)展規(guī)律，預(yù)測出2016—2025年中國碳排放量及GDP的發(fā)展狀況。表2和圖2～3分別為2016—2025年碳排放量及GDP指標的仿真預(yù)測值和預(yù)測圖。

通過表2和圖2可以看出，在現(xiàn)有系統(tǒng)行為下，模擬預(yù)測出2016—2025年中國碳排放將呈現(xiàn)平穩(wěn)增長態(tài)勢；其中，2016—2020年增長較快，2021—2025增速逐漸放緩。到2025年，碳排放量預(yù)計可以達到303 725萬t，年均增速為0.99%。圖3顯示，2016—2025年GDP呈現(xiàn)快速增長趨勢，至2025年GDP預(yù)計達到751 455億元。根據(jù)預(yù)測結(jié)果，至2020年GDP將達到561 767億元，比2010年翻了一番。2016—2025年，中國碳排放強度保持穩(wěn)定下降趨勢。根據(jù)中國實現(xiàn)2020年碳強度比2005年下降40%～45%的減排承諾，到2020年碳排放強度預(yù)計下降至0.525 4萬t碳/億元，比2005年碳排放強度（1.029 9萬t碳/億元，2003年不變價）下降了51%。因此，按照現(xiàn)有系統(tǒng)行為的發(fā)展規(guī)律，預(yù)測出2020年中國碳排放強度可以超額完成在2005年基礎(chǔ)上降低45%的減排目標。

4不同情景方案下的碳排放模擬調(diào)控

本文設(shè)置4種不同的發(fā)展情景方案，通過調(diào)控供給側(cè)

GDP業(yè)固定資產(chǎn)投資比重分析對碳排放的影響；情景Ⅱ為勞動力要素調(diào)控，通過降低第二產(chǎn)業(yè)就業(yè)人員比重同時增加第三產(chǎn)業(yè)就業(yè)人員比重預(yù)測碳排放的未來變化情況；情景Ⅲ為創(chuàng)新要素調(diào)控，通過提高科技投入分析預(yù)測對碳排放的影響；情景Ⅳ為三要素綜合調(diào)控，即，同時改變資本、勞動力及創(chuàng)新三要素的系統(tǒng)參數(shù)模擬調(diào)控對碳排放的影響。

4.1資本要素調(diào)控（情景Ⅰ）

通過降低第二產(chǎn)業(yè)固定資產(chǎn)投資比重同時增加第三產(chǎn)業(yè)固定資產(chǎn)投資比重分析供給側(cè)資本要素調(diào)控對碳排放的影響。在基準情景的基礎(chǔ)上，改變資本要素的系統(tǒng)變量參數(shù)值，將第二產(chǎn)業(yè)固定資產(chǎn)投資比重降低1%，同時第三產(chǎn)業(yè)固定資產(chǎn)投資比重提高1%。即，情景Ⅰ中第二產(chǎn)業(yè)固定資產(chǎn)投資比重的系統(tǒng)參數(shù)值由0.430 6下降為0.426 2，第三產(chǎn)業(yè)固定資產(chǎn)投資比重的系統(tǒng)參數(shù)值從0.541 2增加為0.546 6。根據(jù)情景Ⅰ的系統(tǒng)參數(shù)對2016—2025年碳排放及經(jīng)濟發(fā)展趨勢進行仿真預(yù)測。情景Ⅰ下資本要素對GDP、碳排放調(diào)控的仿真預(yù)測值以及與基準情景下預(yù)測值的變化比較見表3所示。

從表3可以看出，與基準情景相比，第二產(chǎn)業(yè)固定資產(chǎn)投資比重降低1%的同時第三產(chǎn)業(yè)固定資產(chǎn)投資比重提高1%，使得2016—2025年碳排放量呈現(xiàn)一定幅度的下降。資本要素的調(diào)控下，碳排放量相比基準情景平均降幅為0.17%，至2025年碳排放量預(yù)計可以下降到303 256萬t。換言之，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)固定資產(chǎn)投資比重分別降低和增加1%，會導(dǎo)致碳排放量降低0.17%。根據(jù)情景Ⅰ中GDP的仿真預(yù)測結(jié)果，可以發(fā)現(xiàn)通過資本要素的調(diào)控使得GDP整體呈現(xiàn)微弱下降趨勢，2016—2025年平均

因此，通過降低第二產(chǎn)業(yè)固定資產(chǎn)投資比重，提高第三產(chǎn)業(yè)固定資產(chǎn)投資比重，能夠帶來碳排放量下降的同時GDP也呈現(xiàn)下降趨勢。但是，相對于碳排放的下降幅度，GDP的下降明顯微弱，與基準情景的GDP預(yù)測值基本持平。

4.2勞動力要素調(diào)控（情景Ⅱ）

勞動力要素調(diào)控是在基準情景的基礎(chǔ)上，改變勞動力要素的系統(tǒng)變量參數(shù)值，將第二產(chǎn)業(yè)就業(yè)人員比重降低1%，同時第三產(chǎn)業(yè)就業(yè)人員比重提高1%。在基準情景系統(tǒng)參數(shù)的基礎(chǔ)上，情景Ⅱ?qū)⒌诙a(chǎn)業(yè)就業(yè)人員比重的系統(tǒng)參數(shù)值由0.263 4下降為0.260 7，第三產(chǎn)業(yè)就業(yè)人員比重的系統(tǒng)參數(shù)值從0.329 6增加為0.332 9。按照情景Ⅱ的系統(tǒng)參數(shù)分析預(yù)測勞動力要素調(diào)控對2016—2025年碳排放及經(jīng)濟發(fā)展趨勢的影響。情景Ⅱ下勞動力要素對GDP、碳排放調(diào)控的預(yù)測值以及與基準情景下預(yù)測值的比較見表4所示。

通過表4勞動力要素調(diào)控的預(yù)測結(jié)果可以看出，情景Ⅱ與基準情景相比，由于第二產(chǎn)業(yè)就業(yè)人員比重降低1%的同時第三產(chǎn)業(yè)就業(yè)人員比重提高1%，使得2016—2025年中國碳排放量呈現(xiàn)較大幅度的下降。在勞動力要素調(diào)控下，2016—2025年碳排放量平均降幅高達5.95%，至2025年碳排放量預(yù)計可以下降到289 865萬t。即，2016—2025年第二產(chǎn)業(yè)和第三產(chǎn)業(yè)就業(yè)人員比重每降低和增加1%，會使得碳排放量降低5.95%。表4顯示，通過勞動力要素參數(shù)的調(diào)控，情景Ⅱ中2016—2025年GDP的預(yù)測值出現(xiàn)小幅上升態(tài)勢，年平均漲幅為0.05%。

因此，通過引導(dǎo)第一、二產(chǎn)業(yè)向第三產(chǎn)業(yè)就業(yè)人員的轉(zhuǎn)移，增加第三產(chǎn)業(yè)就業(yè)比率，不僅能夠帶來碳排放量的

大幅下降，并且能夠使得GDP出現(xiàn)小幅提升。

4.3創(chuàng)新要素調(diào)控（情景Ⅲ）

以科技投入強度指標反映創(chuàng)新水平，分析供給側(cè)創(chuàng)新要素對碳排放的影響。創(chuàng)新要素調(diào)控是在基準情景的基礎(chǔ)上，調(diào)控科技創(chuàng)新要素的系統(tǒng)變量參數(shù)值，分析預(yù)測科技投入強度變化對未來碳排放量的影響。在基準情景系統(tǒng)參數(shù)的基礎(chǔ)上，情景Ⅲ改變科技投入強度的系統(tǒng)參數(shù)值，將科技投入強度增加1%，從0.042 1增加到0.042 5。表5為情景Ⅲ下創(chuàng)新要素對GDP和碳排放調(diào)控的預(yù)測結(jié)果以及與基準情景下預(yù)測值的比較。

從表5創(chuàng)新要素調(diào)控的預(yù)測結(jié)果可以發(fā)現(xiàn)，在創(chuàng)新要素調(diào)控下，由于科技投入強度的增加，導(dǎo)致碳排放量也出現(xiàn)一定幅度的下降。情景Ⅲ與基準情景相比，2016—2025年中國碳排放量平均下降幅度為1.004%，至2025年碳排放量預(yù)計下降到300 424萬t。即，2016—2025年科技投入強度每增加1%，會引起碳排放量平均下降1.004%。由于創(chuàng)新要素參數(shù)的調(diào)控，情景Ⅲ中GDP的預(yù)測值也出現(xiàn)小幅增加，2016—2025年平均上漲幅度為0.06%。

因此，通過增加科技投入力度，能夠使得碳排放量下降的同時GDP呈現(xiàn)小幅上升趨勢，科技投入強度每增加1%，碳排放量會呈現(xiàn)同比例降低。

因投入的差別，不同產(chǎn)業(yè)發(fā)展的過程中對碳排放的影響也不同。第一、三產(chǎn)業(yè)對于資源的依賴程度和環(huán)境的作用范圍都比較有限，并且影響的效果、深度以及廣度都相對較弱。而第二產(chǎn)業(yè)因其生產(chǎn)特點和生產(chǎn)方式的特殊性，決定了其在三次產(chǎn)業(yè)結(jié)構(gòu)中扮演了資源消耗和環(huán)境影響最突出的角色，其碳排放遠大于其他兩次產(chǎn)業(yè)。降低第二產(chǎn)業(yè)固定資產(chǎn)投資比重同時增加第三產(chǎn)業(yè)固定資產(chǎn)投資

12平均值-1.0040.06比重（情景Ⅰ）、降低第二產(chǎn)業(yè)就業(yè)人員比重同時增加第三產(chǎn)業(yè)就業(yè)人員比重（情景Ⅱ）均使得三次產(chǎn)業(yè)結(jié)構(gòu)發(fā)生變化，引起第三產(chǎn)業(yè)比重上升，第二產(chǎn)業(yè)比重下降，進而導(dǎo)致碳排放一定幅度的下降?？萍纪度霃姸鹊奶岣撸ㄇ榫阿螅?，即科技經(jīng)費支出占財政支出比重增加，使得科技水平得到進一步提升，從而顯著地抑制了碳排放的增長。綜合以上三種情景的預(yù)測結(jié)果可以看出，通過調(diào)控供給側(cè)資本、勞動力及創(chuàng)新要素的系統(tǒng)參數(shù)值，均可以使得碳排放量呈現(xiàn)不同程度地下降。其中，勞動力要素和創(chuàng)新要素系統(tǒng)參數(shù)值的調(diào)整，不僅能夠帶來碳排放量的降低，而且能夠使得GDP出現(xiàn)小幅提升。此外，從碳排放預(yù)測變化趨勢圖（見圖4），在資本、勞動力及創(chuàng)新三要素中，勞動力要素調(diào)控對碳排放量的降低作用最為顯著；第三產(chǎn)業(yè)就業(yè)人員比重的提升能夠有效地降低碳排放量。

4.4三要素綜合調(diào)控（情景Ⅳ）

情景Ⅳ為綜合供給側(cè)資本、勞動力及創(chuàng)新三要素，分析預(yù)測三要素系統(tǒng)參數(shù)變化對未來碳排放量及GDP的影響。以基準情景系統(tǒng)參數(shù)為基礎(chǔ)，情景Ⅳ分別調(diào)整第二和第三產(chǎn)業(yè)固定資產(chǎn)投資比重、第二和第三產(chǎn)業(yè)就業(yè)人員比重、科技投入強度的系統(tǒng)參數(shù)值。即，將第二、三產(chǎn)業(yè)固定資產(chǎn)投資比重分別降低和提高1%，第二、三產(chǎn)業(yè)就業(yè)人員比重分別降低和提高1%，科技投入強度增加1%。表6為情景Ⅳ下三要素綜合調(diào)控對GDP和碳排放影響的仿真預(yù)測值以及與基準情景下預(yù)測值的變化比較。圖5為三要素綜合調(diào)控的碳排放模擬預(yù)測圖。

根據(jù)圖5和表6三要素綜合調(diào)控的預(yù)測結(jié)果可以發(fā)現(xiàn)，在三要素綜合作用下，碳排放量相比基準情景呈現(xiàn)較大幅度的下降。對比基準情景，2016—2025年中國碳排放量預(yù)計平均下降幅度為7.06%，至2025年碳排放量預(yù)計可以下降至286 284萬t。在碳排放大幅降低的同時，GDP的預(yù)測值也出現(xiàn)一定幅度的增加，2016—2025年平均增速為0.11%。

5結(jié)論及建議

本文通過分析供給側(cè)要素與碳排放影響因素之間的作用關(guān)系，構(gòu)建碳排放系統(tǒng)動力學(xué)模型，模擬預(yù)測未來中國碳排放的發(fā)展趨勢。在此基礎(chǔ)上，設(shè)置4種不同的發(fā)展情景方案，通過調(diào)控供給側(cè)資本、勞動力及創(chuàng)新等要素分析預(yù)測增加第三產(chǎn)業(yè)固定資產(chǎn)投資比重、引導(dǎo)和鼓勵第三產(chǎn)業(yè)就業(yè)以及提高科技投入等不同情景方案對碳排放及經(jīng)濟發(fā)展趨勢的影響。得出以下結(jié)論：

（1）所建立的基于供給側(cè)要素的碳排放系統(tǒng)動力學(xué)模型經(jīng)過有效性檢驗證實：模擬預(yù)測結(jié)果與真實值的誤差小、擬合程度高，能夠合理地反映供給側(cè)要素與碳排放影響因素之間的相互作用關(guān)系，應(yīng)用該模型分析預(yù)測中國未來經(jīng)濟和碳排放量的發(fā)展變化趨勢具有可行性。

（2）資本要素調(diào)控情景下，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)固定資產(chǎn)投資比重分別降低和增加1%，會導(dǎo)致碳排放量降低0.17%。同時，GDP也呈現(xiàn)下降趨勢，但相對于碳排放的下降幅度，GDP的下降明顯微弱。

（3）勞動力要素調(diào)控情景下，不僅能夠帶來碳排放量的降低，而且能夠使得GDP出現(xiàn)小幅提升。在資本、勞動力及創(chuàng)新三要素中，勞動力要素調(diào)控對碳排放量的降低作用最為顯著，碳排放量平均降幅高達5.95%。

（4）創(chuàng)新要素調(diào)控情景下，通過增加科技投入力度，能夠使得碳排放量下降的同時GDP呈現(xiàn)小幅上升趨勢，科技投入強度每增加1%，碳排放量會呈現(xiàn)同比例降低。

（5）供給側(cè)資本、勞動力及創(chuàng)新三要素綜合調(diào)控，使得GDP小幅提升的同時碳排放量出現(xiàn)較大幅度的降低，2016—2025年平均降幅為7.06%。

因此，在經(jīng)濟新常態(tài)的現(xiàn)階段，應(yīng)以調(diào)整經(jīng)濟結(jié)構(gòu)為契機，把供給側(cè)結(jié)構(gòu)性改革與碳減排結(jié)合起來，從供給側(cè)改革視角推動碳減排。①進一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，適度控制第二產(chǎn)業(yè)固定資產(chǎn)投資比重，增加第三產(chǎn)業(yè)固定資產(chǎn)投資比重；積極引導(dǎo)和鼓勵勞動力從第一、二產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)移；②對高能耗、高污染、高排放的落后產(chǎn)業(yè)嚴格實行去產(chǎn)能，加大創(chuàng)新型和技術(shù)密集型等第三產(chǎn)業(yè)的扶持力度，促進低碳產(chǎn)業(yè)發(fā)展；③大力發(fā)展新能源技術(shù)和節(jié)能減排技術(shù)，提高節(jié)能率及能源利用率，發(fā)揮技術(shù)水平對碳排放的抑制作用。

（編輯：王愛萍）

參考文獻（References）

[1]林伯強，劉希穎.中國城市化階段的碳排放：影響因素和減排策略[J].經(jīng)濟研究，2010（8）：66-78.[LIN Boqiang，LIU Xiying. Chinas carbon dioxide emissions under the urbanization process： influence factors and abatement policies[J]. Economic research journal，2010（8）：66-78.]

[2]王喜，張艷，秦耀辰，等.我國碳排放變化影響因素的時空分異與調(diào)控[J].經(jīng)濟地理，2016（8）：158-165.[WANG Xi， ZHANG Yan，QIN Yaochen，et al.The spatialtemporal differentiation of the influence factors of carbon emissions and the regulation in China[J].Economic geography，2016（8）：158-165.]

[3]LANTZ V， FENG Q. Assessing income， population， and technology impacts on CO2 emissions in Canada： wheres the EKC？[J].Ecological economics，2006，57（2）：229-238.

[4]許士春，張文文.不同返還情景下碳稅對中國經(jīng)濟影響及減排效果——基于動態(tài)CGE的模擬分析[J].中國人口·資源與環(huán)境，2016，26（12）：46-54.[ XU Shichun， ZHANG Wenwen. Analysis of impacts of carbon taxes on Chinas economy and emissions reduction under different refunds： based on dynamic CGE Model [J].China population， resources and environment，2016，26（12）：46-54.]

[5]婁峰.碳稅征收對我國宏觀經(jīng)濟及碳減排影響的模擬研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2014（10）：84-96. [LOU Feng. Simulation study on the carbon tax impact on Chinas macro economy and carbon emissions reduction [J]. The journal of quantitative & technical economics，2014（10）：84-96.]

[6]張俊榮，王孜丹，湯鈴，等.基于系統(tǒng)動力學(xué)的京津冀碳排放交易政策影響研究[J].中國管理科學(xué)，2016，24（3）：1-8. [ZHANG Junrong， WANG Zidan， TANG Ling，et al. The simulation of carbon emission trading system in BeijingTianjinHebei Region： an analysis based on system dynamics [J].Chinese journal of management science，2016，24（3）：1-8.]

[7]VANCE L， EASON T， CABEZAS H. Energy sustainability： consumption， efficiency， and environmental impact[J]. Clean technologies and environmental policy，2015，17（7）：1781-1792.

[8]YU H， PAN S， TANG B， et al. Urban energy consumption and CO2 emissions in Beijing： current and future[J].Energy efficiency，2015，8（3）：527-543.

[9]OZER B， GORGUN E， INCECIK S. The scenario analysis on CO2 emission mitigation potential in the Turkish electricity sector：2006-2030[J].Energy，2013，49：395-403.

[10]渠慎寧，郭朝先. 基于STIRPAT模型的中國碳排放峰值預(yù)測研究[J]. 中國人口·資源與環(huán)境， 2010，20：10-15.[QU Shenning， GUO Chaoxian. Forecast of Chinas carbon emission based on STIRPAT Model[J]. China population， resources and environment， 2010，20：10-15.]

[11]朱婧，劉學(xué)敏，初釗鵬. 低碳城市能源需求與碳排放情景分析[J]. 中國人口·資源與環(huán)境， 2015，25（7）：48-55.[ZHU Jing， LIU Xuemin， CHU Zhaopeng. Scenario analysis on energy demand and CO2 emission of low carbon city[J].China population， resources and environment， 2015，25（7）：48-55.]

[12]聶銳，張濤，王迪. 基于IPAT模型的江蘇省能源消費與碳排放情景研究[J]. 自然資源學(xué)報， 2010，25（9）：1157-1164.[NIE Rui， ZHANG Tao， WANG Di. The scenario analysis on energy consumption and carbon emissions of Jiangsu Province based on environmental loads model[J].Journal of natural resources， 2010，25（9）：1157-1164.]

[13]王佳，楊俊. 地區(qū)二氧化碳排放與經(jīng)濟發(fā)展——基于脫鉤理論和CKC的實證分析[J]. 山西財經(jīng)大學(xué)學(xué)報，2013（1）：8-18.[WANG Jia，YANG Jun. Regional carbon dioxide emissions and economic development：an empirical analysis based on decoupling theory and CKC[J].Journal of Shanxi University of Finance and Economics，2013（1）：8-18.]

[14]PARK S， LEE S， JEONG S J， et al. Assessment of CO2 emissions and its reduction potential in the Korean petroleum refining industry using energyenvironment models[J].Energy，2010，35（6）：2419-2429.

[15]徐成龍，任建蘭，鞏燦娟.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對山東省碳排放的影響[J].自然資源學(xué)報，2014，29（2）：201-210.[XU Chenglong， REN Jianlan， GONG Canjuan. The influence of adjustment in industrial structures on carbon emissions in Shandong Province[J].Journal of natural resources，2014，29（2）：201-210.]

[16]張樂勤，李榮富，陳素平，等.安徽省1995年—2009年能源消費碳排放驅(qū)動因子分析及趨勢預(yù)測——基于STIRPAT模型[J].資源科學(xué)，2012，34（2）：316-327.[ZHANG Leqin， LI Rongfu， CHEN Suping，et al. Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the period 1995-2009 in Anhui Province based on the STIRPAT Model[J].Resources science， 2012，34（2）：316-327.]

[17]黃蕊，王錚，丁冠群，等.基于STIRPAT模型的江蘇省能源消費碳排放影響因素分析及趨勢預(yù)測[J].地理研究，2016，35（4）：781-789. [HUANG Rui， WANG Zheng， DING Guanqun，et al. Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu Province based on STIRPAT Model[J].Geographical research，2016，35（4）：781-789.]

[18]LIN B， OUYANG X. Analysis of energyrelated CO2 emissions and reduction potential in the Chinese nonmetallic mineral products industry[J].Energy，2014，68：688-697.

[19]朱宇恩，李麗芬，賀思思，等.基于IPAT模型和情景分析法的山西省碳排放峰值年預(yù)測[J].資源科學(xué)，2016，38（12）：2316-2325. [ZHU Yuen， LI Lifen， HE Sisi， et al. Peak year prediction of Shanxi Provinces carbon emissions based on IPAT Modeling and scenario analysis[J]. Resources science，2016，38（12）：2316-2325.]

[20]鄧明翔，李巍.基于LEAP模型的云南省供給側(cè)結(jié)構(gòu)性改革對產(chǎn)業(yè)碳排放影響情景分析[J].中國環(huán)境科學(xué)，2017，37（2）：786-794.[ DENG Mingxiang， LI Wei. Scenario analysis of the supplyside structural reform influences on industrial carbon emissions based on LEAP Model in Yunnan Province[J]. China environmental science，2017，37（2）：786-794.]

[21]FENG Y Y， CHEN S Q， ZHANG L X. System dynamics modeling for urban energy consumption and CO2 emissions： a case study of Beijing， China[J].Ecological modelling， 2013， 252：44-52.

[22]王格，董會忠，張慧.基于ArcGIS和SD的山東省碳排放演化格局及低碳經(jīng)濟發(fā)展戰(zhàn)略仿真[J].科技管理研究，2017（1）：249-256.[WANG Ge， DONG Huizhong， ZHANG Hui. Evolution pattern of carbon emission and simulation strategy analysis of low carbon economy development in Shandong Province based on ArcGIS and SD[J].Science and technology management research，2017（1）：249-256.]

[23]郭朝先.中國碳排放因素分解： 基于LMDI分解技術(shù)[J].中國人口·資源與環(huán)境，2010，20（12）：4-9.[GUO Chaoxian. Decomposition of Chinas carbon emissions： based on LMDI Method[J].China population， resources and environment，2010，20（12）： 4-9.]

[24]FERRESTER J W. Industrial dynamics： a breakthrough for decision makers[J].Harvard business review， 1958，36（4）：37-66.

[25]UGUR S， RAMAZAN S， BRADLEY T. Energy consumption， income， and carbon emissions in the United States[J].Ecological economics，2007，62：482-489.

[26]鄧吉祥，劉曉，王錚.中國碳排放的區(qū)域差異及演變特征分析與因素分解[J].自然資源學(xué)報，2014，29（2）：189-200.[DENG Jixiang，LIU Xiao，WANG Zheng. Characteristics analysis and factor decomposition based on the regional difference changes in Chinas CO2 emission[J].Journal of natural resources，2014，29（2）：189-200.]

[27]王鋒，馮根福.中國經(jīng)濟低碳發(fā)展的影響因素及其對碳減排的作用[J].中國經(jīng)濟問題，2011（3）：62-69. [WANG Feng， FENG Genfu. Determinants of lowcarbon development of Chinas economy and their functions to carbon emission reduction[J]. Economic issues in China，2011（3）：62-69.]

[28]佟昕，陳凱，李剛.中國碳排放與影響因素的實證研究——基于2000—2011年中國以及30個省域的灰色關(guān)聯(lián)分析[J].工業(yè)技術(shù)經(jīng)濟，2015（11）：66-78.[TONG Xin， CHEN Kai， LI Gang. An empirical study of Chinese carbon emissions and influencing factors：grey correlation analysis of China and 30 provincial between 2000 and 2011[J].Journal of industrial technological economics， 2015（11）：66-78.]

[29]中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒（2003—2015）[M].北京：中國統(tǒng)計出版社. [National Bureau of Statistics of China. China statistical yearbook（2003-2015）[M].Beijing： China Statistics Press.]