煤炭CO2排放的碳稅效果評價

王娟 李海

摘 要：以煤炭為分析對象，估計我國2017年征收碳稅對2030年的CO2排放效果的影響。在考慮結構性變動的前提下，用協整模型估計煤炭的長期價格彈性。同時，用VEC模型來預測2017年煤炭的價格指數。然后分析在2017年對煤炭征不同的碳稅導致的CO2排放量的效果。實證結果顯示，在考慮了結構性變動的前提下，我國煤炭的長期價格彈性是-0.51；在2017年當對每噸標準煤分別征收50元、100元、150元和200元的碳稅時，可以導致煤炭人均消費在2020年分別減少2.75%、5.5%、8.25%和11%；CO2排放量分別減少4.9%、9.8%、14.69%和19.59%。

關鍵詞：碳稅；CO2排放量；人均煤炭消費量

中圖分類號：F062.2 文獻標志碼：A 文章編號：1673-291X（2016）19-0068-05

引言

2009年12月初舉行的哥本哈根會議拉開了低碳經濟大幕，國務院總理溫家寶在召開的國務院常務會議上制定了我國到2020年溫室氣體排放的行動目標，到2020年我國單位國內生產總值的CO2排放量比2005年下降40%～45%，并將此作為約束性指標納入國民經濟和社會發展規劃。根據國際能源機構（IEA）的數據顯示，1995年我國的CO2排放量是30億噸，占全世界的13%；但是十年后，CO2排放量增加到51億噸，占全世界排放的19%；到了2006年我國排放了全世界20%的CO2，成了僅次于美國的世界第二大CO2排放國；而到2007年，它儼然已是世界上最大的排放國。我國經濟正處于高碳轉低碳的關鍵時點，但作為世界上最大的CO2排放國之一，面臨著巨大的減排壓力。王毅等（2015）通過模型研究發現，2030年前后中國的碳排放將達到排放峰值。

大氣中二氧化碳的濃度主要取決于能量消耗的多少，從而產生熱量的多少（Houghton and Woodwell，1989）。在各種人類生產生活所產生的CO2中，能源的消費所產生的CO2量占了總排放量的83%。從2000年以來，我國經濟的快速增長，重工業的迅速擴張，如鋼和鐵的需求大增，城市化過程加快等導致能源需求加速增長，扭轉了能源消費以前的下降趨勢（張？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）。伴隨著能源的大量使用，CO2排放量也在逐年上升，最顯著的是大約有66%～84%的與能源消費有關的CO2排放來自于煤炭的燃燒（CDIAC，2006）。總所周知，能源的消費在我國并沒有以一種較為合理的方式進行（Watson et al.，2010），從20世紀90年代以來，我國就成了世界上最大的煤炭生產和消費國（Andrews，2004）。我國的一次能源資源存在“富煤、缺油、少氣”的現狀，2007年煤炭在我國的消費量在占總能源消費的70%，遠遠高于其他發達國家甚至是世界平均水平，2008年更有大約27億噸煤炭被生產開發。煤炭的大量使用除了因為它在我國的資源儲存廣泛以外，還有就是使用成本低廉。盡管煤炭的使用成本越來越高，但其使用現狀在我國短時間是很難改變的。

21世紀以來，我國已采取了一系列相關能源政策，以實現全面，協調，可持續發展的道路。政府于2005年頒布了首個能源建設條例，盡管相對于發達國家的同類法規此條例并不嚴格（王？菖？菖等，2009）；2006年國務院正式頒布了加強節能工作的第一份文件，其中明確宣布了節能的相關稅收優惠政策；2009年溫家寶總理在國務院常務會議上宣布了我國2020年的碳排放目標，即單位GDP的CO2排放量比2005年減少40%～45%。從現實來看，我國經濟正處在由高碳經濟向低碳經濟的轉折點上，在對能源需求日益增長的現狀下，作為世界上最大排放國之一，將會面臨巨大的CO2排放壓力。

除了新能源的開發和清潔高效地利用傳統能源等方式以外，最重要的減少CO2排放的方法之一就是對含碳的能源開征碳稅。早在20世紀90年代，北歐的一些國家就引入了碳稅，到目前為止，奧地利、捷克、丹麥、愛沙尼亞、芬蘭、德國、意大利、荷蘭、挪威、瑞典、瑞士和英國等國家征收碳稅，日本、新西蘭也在考慮中。理論和實證研究上也有很多進展：Fullerton and Sarah（2002）以石油為研究對象，認為碳稅在減排過程中是可行的措施；Nakata and Lamont（2001）在評估了日本的CO2排放量時發現碳稅可以有效地減少CO2排放量；Bruvoll and Larsen（2004）分析了挪威的空氣污染時發現在20世紀90年代的高額碳稅的征收導致了CO2排放量減少了2%；Hensher（2008）分析了澳大利亞各種CO2排放量減少的政策，研究結果顯示碳稅是最有效的減排措施，分析出由碳稅帶來的CO2排放量的減少達5%；蘇明等（2005）、王燦等（2005）、王金南等（2009）分別用CGE模型分析了不同的碳稅稅率方案對我國宏觀經濟、CO2排放等的影響效果。但是，目前對我國2020年的碳排放問題進行的類似研究還不是很多，已有研究中亦較少有文獻考慮到2006年的能源節約稅收優惠政策對能源未來的消費的影響。

本文在考慮了結構性變動的前提下，運用協整和誤差糾正模型對在2017年煤炭（這里主要是指從煤礦中挖掘出來，未經過洗選加工的，如未特殊說明，本文中的煤炭都指原煤）征不同的碳稅而導致的2020年的CO2排放量的減少效果進行了實證分析。剩余的文章結構如下：第二章闡述了協整模型和誤差糾正（VEC）模型，兩個模型都將考慮結構性變動。第三章描述了1978—2013年的相關數據及其實證結果。第四章估計了增加不同碳稅時的CO2排放量減少效果，第五章對本文做了總結。

一、模型介紹

本文運用協整模型來估計煤炭的長期價格彈性，誤差糾正模型來預測2017年的煤炭價格指數。目前國外文獻中對能源需求的研究所采用的計量方法主要有：單方程回歸模型（Gately & Rappoport，1988；Brown & Phillips，1991）；面板數據模型（Miguel，2000）；動態因素需求模型（Watkins，1991；Feng Yi，2000）；協整和誤差修正模型（Ferreira，2005；Keiko Yamaguchi，2007），其中協整和誤差修正模型以分析非平穩性的時間序列而應用最為廣泛。由于大部分的時間序列都是不平穩的，而傳統計量經濟模型以時間序列平穩性為假設，遇到非平穩數列時其殘差過程可能也是一個非平穩過程，從而與殘差相關的檢驗統計量就會發生偏倚，使相關的檢驗失效，并可能出現線性回歸無意義的“偽回歸”問題。而協整分析方法認為非平穩時間序列變量之間的某種線性組合是平穩的，它反映了變量之間一種長期均衡關系。因此，協整和誤差修正模型被廣泛用于擬合各國的能源需求，估計能源需求彈性。

（一）協整（Co-integration）模型

一般說來，價格是解釋能源需求的重要變量（Dahl and Sterner，1990），而GDP是重要的宏觀經濟控制變量（Dahl，1991；Kilian，2008；Goulder et al.，2009）。除此之外，我們也考慮了其他的控制變量，如石油的消費量、可再生能源的消費量（文章中我們只考慮了水能、風能和核能資源，目前在中國使用較為廣泛的可再生資源就是這三個）。我國為深入貫徹科學發展觀，落實節約資源基本國策，調動社會各方面力量進一步加強節能工作，加快建設節約型社會，實現“十一五”規劃綱要提出的節能目標，促進經濟社會發展切實轉入全面協調可持續發展的軌道，在2006年頒布了《國務院關于加強節能工作的決定》，這是國務院正式頒布的第一份節能工作的文件，其中明確宣布了節能的相關稅收優惠政策。發展改革委更是將“十一五”規劃綱要確定的單位GDP能耗降低目標分解落實到各省、自治區、直轄市，省級人民政府要將目標逐級分解落實到各市、縣以及重點耗能企業，實行嚴格的目標責任制；并且統計局、發展改革委等部門每年要定期公布各地區能源消耗情況，省級人民政府要建立本地區能耗公報制度，將能耗指標納入各地經濟社會發展綜合評價和年度考核體系，作為地方各級人民政府領導班子和領導干部任期內貫徹落實科學發展觀的重要考核內容，作為國有大中型企業負責人經營業績的重要考核內容，實行節能工作問責制。而這將對能源的消費結構有一定程度的影響，有研究表明稅收政策特別是在發展中國家可以有效地調整企業的行為（Slemrod，2008），節能稅收優惠政策亦是如此，它可以影響企業和家庭的能源消費行為，使得他們在一定程度上選擇消費相對便宜的能源。從長期來看，當煤炭變得越來越“貴”的情況下，許多企業和家庭就會選擇其可替代的資源，如水能、風能和核能等可再生資源。我國煤炭訂貨會議從計劃經濟時期延續下來已幾十年，被稱為煤炭領域“計劃經濟的恐龍”，2006年12月發改委下發了《關于做好2007年跨省區煤炭產運需銜接工作的通知》，終于對其做出徹底改革，通知表示2007年將進一步改革跨省區煤炭產運需銜接工作，加快建立統一開放、競爭有序的現代煤炭市場體系。自此重點電煤的特殊優惠政策徹底結束，煤炭價格完全放開。本文用啞變量θ來定義這兩個重大事件，試圖解釋能源消費的結構性變動。

θ=0，if t∈[1978，2006]1，if t∈[2007，2012]

這里t表示年份，t=2006定義了結構性變動的時間點。

因此，協整模型可以定義為：

lct=α0+α1lpt+α2lgt+α3lot+α4lmt+α5θ+εt （1）

其中，lct表示t年的人均煤炭消費量的指數形式，lpt表示t年的煤炭定基實際價格指數（以1978為基數年）的指數形式，lgt表示t年的人均實際GDP的指數形式（用CPI平減，去除了通貨膨脹的影響），lot表示t年的人均石油消費量的指數形式，lmt表示t年的人均可再生能源消費量的指數形式，εt表示t年的殘差。由此，lpt的系數α1就表示煤炭的長期價格彈性。

為了檢驗各個時間序列的性質，即公式（1）的協整階數，我們用PP檢驗和KPSS檢驗來驗證lct，lpt，lgt，lot和lmt的穩定性。PP檢驗的原假設是時間序列不穩定而KPSS檢驗的原假設是時間序列是穩定的。估計了公式（1）后，單位根檢驗是將殘差序列應用下面的公式（2）中：

其中，t表示公式（1）估計的殘差，k≥1（當k=1時，γ0=0）是公式（2）的滯后階數，近似于白噪聲過程。

接下來，我們用協整檢驗（Engle and Granger，1987）同時考慮到作為外生變量的結構性變化，來檢查是否存在一個穩定的長期關系。當所有變量具有一樣的協整階數時，協整檢驗才有意義，而在下一章節的所有變量的單位根檢驗表明它們的確如此。在其他的一些類似研究中已經證實了能源的需求和宏觀經濟變量之間存在穩定的協整關系（Bentzen，1994；Ramanathan，1999；Ferreira，2005；Keiko Yamaguchi，2007）。其中，我們用約翰森統計量來檢驗時間變量之間的長期關系。

（二）誤差糾正（VEC）模型

能源的價格，如煤炭總會與宏觀經濟總量之間存在內生性問題（Kilian，2008），經濟的發展會促進能源的需求，與此同時能源的消費又進而促進經濟的發展。VEC模型是公認的有效處理經濟變量內生性問題的方法，它通常用于預測相互關聯的時間序列系統，這種方法回避了結構模型處理系統中所有的內生變量的需要，通常這些內生性變量會以滯后項的形式出現在函數系統中。誤差糾正模型（VEC）是基于協整關系經過阿爾法系數調整的VAR模型，考慮了2006年和2007年的結構性變動的VEC（p）模型的簡化形式如下：

其中，yt是K×1時間序列向量，A1，…，Ap是K×K的相關變量的系數矩陣，ωt是K×1沖擊和不可觀測的零均值白噪聲過程，它亦被稱為預測誤差，可能存在同期自相關性，但與自身的跨期變量和方程右邊所有變量不相關。

同樣的邏輯運用到更具體的VEC（p）模型中，此模型允許在一定范圍內lct，lpt，lgt，lot和lmt無限制滯后，滯后階數設定為p，其中，yt=（lct，lpt，lgt，lot，

二、數據及實證結果

樣本區間為1978—2013年，煤炭、石油和可再生能源的消費量原始數據來源于《中國能源統計年鑒》，為了便于比較分析，我們使用年鑒給出的標準煤量檔（單位：萬噸標準煤）；為了排除人口規模對模型估計的影響，我們在此用人均的能源消費量，人口數量來自《我國統計年鑒》。煤炭價格指數的原始數據來源于《中國物價年鑒》，定1978年為基年100進行環比計算所得，同時我們使用CPI平減法排除了通貨膨脹的影響。GDP數據也來源于《中國統計年鑒》，同樣使用人均值和排除了通貨膨脹的影響，所有的數據使用年度值。

表1的結果顯示了數據的性質，沒有一個時間系列在零階條件下存在平穩性，而對各個時間序列進行差分后可知，lct在10%顯著水平上拒絕PP檢驗的原假設，其余時間序列差分后也至少在5%的顯著水平上拒絕PP檢驗的原假設；對于KPSS檢驗，差分后的時間序列均不能拒絕其平穩的原假設。因此認為，lct，lpt，lgt，lot和lmt都是一階單整的。

由于所有時間系列存在具有同樣的協整階數，這樣，我們就有了進一步檢驗協整關系的可能性。表2顯示了Johansen協整檢驗，同時在此檢驗中我們認為，時間系列沒有確定性趨勢但有截距項。結果表明，這5個變量在考慮2006年結構性變化的情況下，在5%的顯著性水平上存在一個穩定的長期協整關系。然后，我們得到了變量之間的標準化后的長期關系，回歸結果（見下頁表3）。

設定協整檢驗的時間序列僅含有截距項，不含有確定性趨勢。

從下頁表3的結果來看，煤炭的人均消費量與其價格之間存在負的相關關系，而這與期望相符。盡管煤炭的價格系數不十分顯著，這與我國幾十年的煤炭計劃定價制度有一定的關系，但2007年開始電煤價格完全由市場決定會使得其價格的作用愈加明顯。由表3可知，表示煤炭的長期價格彈性是-0.51，從長期來看，煤炭的價格上升會導致消費量降低，當煤炭價格上升1%，煤炭的人均消費量會降低0.51%。人均GDP的系數為正，并且在5%的顯著水平上異于零，說明人均煤炭消費量與人均GDP之間存在正相關關系，當人均GDP增加1%，會導致人均煤炭消費量增長1.78%。與此同時，人均煤炭消費量與人均石油消費量呈負相關關系，石油在一定程度上削弱了煤炭作為主要能源的地位，隨著經濟的發展，石油的使用量會逐步增加。在涉及到可再生能源時，人均煤炭消費量與人均可再生能源的消費呈負相關的關系，這也與預期保持一致。煤炭在我國用于發電的比例占34%，而水能、核能和風能都是用于發電而產生能量的，在一定程度上與煤炭是替代關系。

誤差糾正模型的估計方程結果顯示如下：

三、碳稅的效果估計

由于《京都議定書》規定附件1國家的截止履約時間為2017年，期限之后全球為應對氣候變化必然會形成新的格局。除此之外，根據“巴厘島路線圖”達成的協議，2017年后在要求發達國家承擔可測量、可報告、可核實的減排義務的同時，也要求發展中國家采取可測量、可報告、可核實的適當減排溫室氣體行動。在此背景下，我國在2017年開征碳稅無疑為最理想的時機。

我們在估計出煤炭的長期價格彈性的基礎上，在2017年征收碳稅，以此預測煤炭2020年由此所減少的CO2排放量。

公式（3）中表示估計出的煤炭長期價格彈性，這里為-0.51；τ表示征收的碳稅，這里我們分別對每噸標準碳（在中國，能源的種類有很多，所含的熱量也各不相同，為了便于相互對比和在總量上進行研究，定每公斤含熱7 000大卡（29 306千焦）的煤為標準煤，1公斤原煤=0.7143公斤標煤）征50元、100元、150元和200元碳稅（中國氣候變化國別研究組采用一種可計算的一般均衡（ERI-SGM）模型，結合我國實際試算了兩種碳稅稅率方案，即100元/噸碳和200元/噸碳。其結果初步顯示征收碳稅可顯著地降低能源消費的增長，改善能源的消費結構，并能有效地削減溫室氣體的排放）；p表示煤炭的真實價格。公式（3）可以預測出碳稅所帶來的煤炭的消費量的減少。2013年全國原煤實際平均價格為550元/噸，由VEC模型得出的2017年煤炭真實價格指數為2 000.37，根據一些簡單的數學計算我們可以得出，2017年全國原煤實際平均價格為498.14元/噸。

表4描述了在2017年對煤炭征收不同的碳稅可以使得在2020年碳排放減少的效果。估計顯示，2017年每噸標準煤征收50元碳稅（50×0.7143 =35.72元，每噸原煤的實際碳稅額為35.72元）將導致煤炭消費量在2020年減少2.75%；當在2017年我們對每噸標準煤征稅200元，煤炭的消費量會下降11%。值得注意的是，這里談及的煤炭消費量減少只是由碳稅所帶來的，在這里我們不考慮其他因素所引起的消費量減低。然而，估計煤炭征碳稅的效果，只是在估計這種影響對二氧化碳排放量的影響的第一步。根據能源研究所國家發展和改革委員會提供的數據顯示，每噸煤炭的燃燒相當于1.781噸CO2或0.486噸碳的排放。碳稅對CO2排放量的影響（見表4第2行），當在2017年對每噸標準煤征收50元碳稅時，它可以帶來4.9%的CO2排放量的減少，而200元的碳稅可以導致CO2排放量在2020年減低19.59%。

以上分析中，CO2排放量的減少只是由對煤炭征收碳稅所帶來的，分析時我們沒有考慮其他能源的CO2排放的減少，如石油。盡管協整模型可以有效地分析能源的宏觀變量等之間的長期均衡關系，但由于未來存在很多不確定性因素，這都可能對預測結果有一定的影響。隨著經濟的發展，人們生活水平的提高，更有效率的生產方式可能被使用，家庭的節能意識也會增強，從而選擇更節能的生活方式。這些再加上新能源的發明使用等都會使長期的CO2排放量降低更多。除此之外，我們在分析中并沒有考慮碳稅的管理成本問題，而這可能會導致碳稅帶來的排放量的減少會有不同的結果，而這也將是我們下一步研究的方向。

結論

碳稅是碳減排的一種重要經濟手段，近期在我國征收碳稅是一種可行的選擇，對我國抑制溫室氣體排放、環境保護和促進節能減排具有積極的作用，它具有財政收入的特點，對國家政府具有一定的吸引力。同時，其政策實施的可操作性較好，并且在一些國家已取得一些經驗，是我國應對氣候變化的重要政策選擇，有效地利用碳稅這一經濟手段可使我國在氣候變幻的國際談判中爭取更大的主動權。

碳稅的征稅依據有兩種情況，大部分國家實際是按碳含量征稅（丹麥、瑞典和挪威等國），只有少數國家（波蘭、捷克等）是直接對二氧化碳或一氧化碳的排放量征稅，這主要是因為第一種方法在技術上更為簡單易行，不用考慮能源效率改進技術和碳回收利用技術。我國碳稅稅率方案宜遵循逐步提高、循序漸進的原則。根據實際國情，我國2017年征收碳稅稅率宜為每噸標準碳50元，以后根據實際情況不同地區逐步提高。從充分發揮碳稅政策的社會效應角度考慮，碳稅征收對象應選擇“下游”消費環節。一方面將使那些出口工業避免受到最不利的影響，另一方面能源用戶僅得到間接信號，從而減少能源消耗。碳稅稅收循環的主要目標是效率和公平，碳稅收入可以納入一般預算管理。而且碳稅收入的合理使用對碳稅征收效果有著重要影響。對我國而言，碳稅稅收的最大目的是促進企業節能和鼓勵可再生能源的發展，因此，碳稅收入應重點用于對可再生能源發展和企業節能的鼓勵。

總之，我國在制定減排政策措施時，應將碳稅作為一個重要的選擇加以考慮，為使碳稅方案不對經濟發展產生較大影響，我國碳稅稅率宜從低方案起征，按照循序漸進的原則，逐步形成完善的碳稅稅制。同時，必須切實加強碳稅收入的合理使用，達到碳稅征收的預期激勵效果。

參考文獻：

[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 Chinas 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 Chinas emissions pathways in the 21st century for low carbon transition.Energy Policy，2010，（38）：3537-3546.

[10] 張麗峰.產業能源消費與產業發展的協整與誤差修正模型分析[J].經濟經緯，2005，（6）.

[11] 任少飛，馮華.中國經濟增長與煤炭消費結構的關系[J].財經科學，2006，（25）.

[12] 林伯強，魏巍賢，李丕東.中國長期煤炭需求：影響與政策選擇[J].統計研究，2007，（2）.

[14] 王燦，陳吉寧，鄒驥.基于模型的減排對中國經濟的影響[J].清華大學學報：自然科學版，2005，（12）.

[責任編輯 陳麗敏]