可再生能源電價補貼的大氣環境效益分析

魏巍賢+趙玉榮

摘要 可再生能源的電價補貼是一項旨在加速推進可再生能源廣泛應用的政策機制，對中國能源結構調整（降低煤電比例）、改善大氣環境具有重要的現實意義。鑒此，本文將可再生能源發電帶來的空氣污染物（CO2、SO2、NOX和PM2.5）排放的減少作為衡量大氣環境質量改善的效益指標，利用2012年中國投入產出表建立包含溫室氣體、污染氣體和顆粒物模塊的可計算一般均衡模型，從總量和行業的視角量化研究了實施可再生能源電價補貼政策對改善大氣環境的積極作用，考察了可再生能源發電補貼輔以硫稅、硫稅及碳稅這兩種沖擊的情景。研究表明：可再生能源電價補貼減少了溫室氣體、污染氣體的總排放量和顆粒物濃度，在補貼的基礎上輔以硫稅不僅可以有效地增進大氣環境福利效益，而且還能抵消征稅對經濟增長的負面效應；可再生能源電價補貼使清潔能源發電對火電產生替代效應，各個行業排放的CO2、SO2和NOX均下降；但這一替代效應在工業部門尤其是重工業部門相對有限，這也證明了工業部門的減排壓力較于其他產業（農業部門和服務業部門）更大；補貼可促進可再生能源發電量不斷提升，進而優化能源結構，這是增進大氣環境效益的根本原因。上述結果意味著短期內要提高可再生能源電價附加標準，補貼與稅收雙管齊下以增強減排力度。而可能面臨的可再生能源電價補貼資金不足問題則意味著中期內要實現補貼方式逐漸向定額補貼、綠色證書模式過渡，利用市場機制確定補貼標準；長期內需最終取消補貼政策，倒逼技術進步，推動整個可再生能源產業的可持續發展。

關鍵詞 可再生能源；電價補貼；大氣環境；可計算一般均衡模型

中圖分類號 F124.1

文獻標識碼 A文章編號 1002-2104（2017）10-0209-08DOI：10.12062/cpre.20170508

2015年6月，中國政府在向聯合國氣候變化框架公約秘書處提交的《強化應對氣候變化行動——中國國家自主貢獻》中提出，到2030年中國強化應對氣候變化的行動目標是，單位國內生產總值二氧化碳排放比2005年下降60%—65%，非化石能源占一次能源消費比重達到20%左右。2016年12月29日國家發展改革委、國家能源局在印發的《能源生產和消費革命戰略（2016—2030）》中也提出了非化石能源發展目標：到2020年非化石能源占比15%；2021—2030年非化石能源占能源消費總量比重達到20%左右；2050年，非化石能源占比超過一半，建成現代能源體系。但2015年中國的能源消費結構中，非化石能源中水電占8.5%，核電占1.4%，風電占1.6%，太陽能占0.5%，其他如生物質能微小不計。以化石能源為主的能源消費結構不僅不利于發展低碳經濟，還造成以霧霾為特征的大氣污染問題。自2013年至今，以可吸入肺部顆粒物PM2.5和可吸入顆粒物PM10為主要成分的霧霾天氣在全國頻頻出現，對社會經濟發展和人民日常生活造成了嚴重威脅[1]。實現非化石能源的消費比重目標，促進可再生能源迅速發展，需要政府積極的扶持政策，而對可再生能源電價進行補貼是最常見的財政激勵政策。

1 文獻綜述

可再生能源的電價補貼（feedin tariff， FIT）一般以可再生能源電價附加的形式解決，因此研究可再生能源補貼問題轉化為研究可再生能源電價補貼問題。FIT作為一種可再生能源補貼政策為各國政府所采用，并在有些國家成為法律義務，許多學者對其關注并展開研究。Hui等[2]使用能源供應系統與環境影響的多區域（MESEIC）模型分析了中國清潔發電技術的門檻，認為短期內FIT是有效的解決政策。Liu等[3]使用平準化電力成本（LCOE）模型研究風力發電成本問題，得出FIT政策有利于吸引投資的結論。余揚[4]則建立平準化電力成本擴展模型測算了中國風能、太陽能電價政策的補貼需求和財稅成本，提出急需調整兼顧市場應用和稅負成本的新能源政策。Keyuraphan等[5]比較了中國、美國和歐洲國家的可再生能源補貼政策，指出鼓勵可再生能源電力生產需建立在政府強制和企業自愿相結合的基礎上。李婧舒和劉朋[6]從WTO法律視角下探討了新能源補貼的相關法律問題，提出運用政府采購扶持新能源產業發展的建議。Andor & Voss[7]用局部均衡模型討論了可再生能源發電的兩種補貼方式，研究中考慮了投資補貼和發電補貼具有的外部性，并用德國電力市場的數據證明了補貼帶來福利損失。

上述關于可再生能源補貼的研究集中于測算其補貼成本或評價其補貼政策，其他涉及可再生能源的研究有：Shih等[8]建立了一種國家級能源效率和可再生能源管理的協同框架，驗證了美國國家主管部門在這一框架中發揮的作用；GarrettPeltier[9]運用投入產出分析方法比較了支出相同價值的清潔可再生能源和化石能源對就業的影響，發現一百萬美元的清潔能源支出比同等價值的化石能源支出多創造5個工作崗位。此外，Büyükzkan & Güleryüz[10]， Gabriel等[11]， Dóci & Gotchev[12]， Lin等[13]也作了與可再生能源相關的研究。

提及可再生能源，往往與傳統化石能源作比較，取消化石能源補貼與促進可再生能源發展具有一致性。許多學者采用CGE模型研究化石能源補貼改革問題，即取消化石能源補貼的影響。如Lin & Jiang[14]、Liu & Li[15]分別分析了中國能源補貼改革對經濟和對能源消費結構的影響，SOLAYMANI & KARI[16]評價了馬來西亞能源補貼改革對交通運輸業的影響， Farajzadeh & Bakhshoodeh[17]研究了伊朗能源補貼改革的經濟與環境效應。然而，利用CGE模型研究可再生能源補貼影響的文獻較少。Kalkuhl等[18]評價了可再生能源政策對福利和能源價格的影響，采用跨期全球一般均衡模型研究碳稅和可再生能源補貼的不同政策組合對碳減排的最優選擇問題。Wu等[19]通過建立多區域能源—環境—經濟CGE模型模擬了兩種情景下的新能源電價補貼政策對宏觀經濟、部門CO2排放和區域電力需求彈性的影響。

中國電力生產的污染排放占總排放的一半，電力部門尤其需要開發清潔發電技術，但是建立CGE模型專門研究清潔發電技術補貼即可再生能源電價補貼對大氣環境影響的文獻少之又少。鑒此，本文建立包含溫室氣體（CO2）、污染氣體（SO2和NOX）與顆粒物（PM2.5）模塊的可計算一般均衡（Computable General Equilibrium Model，CGE）模型，將可再生能源發電補貼減少的CO2、SO2、NOX 和PM2.5的排放量作為大氣環境的福利效益指標，量化可再生能源電價補貼對大氣環境的積極效應，從而驗證新能源補貼政策對中國調整能源消費結構、治理大氣污染、應對氣候變化的重要意義。

2 CGE模型結構與數據

2.1 CGE模型

為了研究可再生能源發電補貼對大氣環境的影響，本文在ORANIG[20]模型的基礎上進行了修改完善。該模型用價格機制將生產對產品和要素的需求、生產供給、投資需求和貿易等有機地結合起來，考慮到家庭、政府等社會各個經濟主體的行為，而且考察了多個宏觀變量和價格指數，被廣泛應用于政策沖擊的研究。下面僅介紹本文改進的部分。

2.1.1 電力生產

生產模塊為四層嵌套結構，如圖1所示。其中電力生產由火電、水電、核電和風電四種發電技術構成，它們通過（1）式的CES函數嵌套成電力。與此同時，煤、石油和天然氣通過CES函數嵌套成化石能源。由于電力和化石能源間的替代彈性比化石能源間的替代彈性要小，故能源由電力和化石能源通過CES函數復合而成。其余CES函數同理，不再給出。

其中，XELEi為i行業的電力產出，X_ski為i行業電力技術k（經國內品和進口品復合后）的投入量，k分別代表火電、水電、核電和風電。δki為份額參數，Aki為技術參數，ρ是與替代彈性σ有關的參數，二者關系為ρ=1-1σ。

2.1.2 可再生能源電價補貼

補貼可以反映在模型中的中間投入模塊、產出模塊、資本投入模塊，本文將補貼引入中間投入模塊。由于不同發電技術間的替代彈性，對可再生能源發電技術的補貼使其更具競爭力，從而對火電技術產生替代。（2）式表示相較于初始價格p0k，dom，補貼使對可再生能源電力的購買價格pk，dom更低，也就是說補貼使消費者價格低于生產者價格，這里的k分別代表水電、核電和風電，s為補貼率。

2.1.3 溫室氣體、污染氣體與顆粒物

對傳統化石能源的使用產生CO2等溫室氣體，SO2、NOX等污染氣體，還有PM2.5等顆粒物。相對于燃煤火電而言，可再生能源發電則不會產生上述溫室氣體、污染氣體和顆粒物，因此將可再生能源發電補貼減少的CO2、SO2、NOX和PM2.5的排放量作為大氣環境的福利效益指標。模型假設CO2、SO2、NOX的排放全部來自于生產和消費過程中對煤、石油、天然氣和火電的消耗。以CO2為例，生產過程中由某種化石能源導致的某行業CO2排放量等于該行業這種化石能源投入量乘以對應的CO2排放因子，再乘以行業清潔技術參數，（3）式表達了這一關系；某行業總的CO2排放量等于該行業所有化石能源排放量的加總，由（4）式給出。消費過程中的排放情況同理，總的CO2排放量由生產、消費兩個過程的排放構成，見（5）式。在空氣中轉化成PM2.5的氣體污染物主要有SO2、NH3、揮發性有機物等，因此主要設置SO2和PM2.5的轉換關系，PM2.5濃度方程如（6）式所示。

這里，EMI_Cfi為由化石能源f導致的行業i的CO2排放量，Xfi為i行業化石能源f的投入量，EMIF_Cf為化石能源f的CO2排放因子，CLE_Ci為清潔技術參數，EMI_Ci為行業i總的CO2排放數量，EMIT_C為生產和消費過程中的CO2排放總量，HEMI_C和GEMI_C分別為家庭和政府消費過程中導致的CO2排放量，PM25為PM2.5的年均濃度，EMIT_S為生產和消費過程中的SO2排放總量（計算過程同EMIT_C），TRAN為SO2和PM2.5的轉換因子。

2.1.4 模型閉合

采用短期閉合，設定的外生變量包括資本存量、實際工資、實際家庭/投資/政府支出、存貨變動、出口需求、國外市場價格、各種稅率、補貼率、匯率，其余為內生變量。

2.1.5 模擬機制

在有補貼率的情況下，可再生能源電力的價格下降，如公式（2）所示。由于不同電力間的替代彈性（CES生產函數），可再生能源電力更具競爭力，各產業部門增加對可再生能源電力的使用，減少對火電的使用。火電主要依靠燃燒化石能源尤其是煤，對火電使用的減少在一定程度上減少了對化石能源的使用。模型假設CO2、SO2、NOX的排放來自于對化石能源的消耗，故化石能源使用的減少帶來減排效益。總之，電價補貼的作用機制主要依靠價格因素在市場中發揮的調節作用。

2.2 數據與參數

文章使用的基礎數據為中國2012年投入產出表，是目前最新的數據資料，包含了共139個部門。研究需要，本文首先將139個部門進行合并、拆分（見圖2），處理后主要包括3個化石能源部門（煤、石油和天然氣）、4個電力部門（火電、水電、核電和風電），以及隸屬農業、輕工業、重工業和服務業的剩余多個部門。然后，將多余的誤差項并入存貨部分，并按照總產出與總進口的比例拆分所有中間使用和最終用戶（無轉口貿易，除出口）的國內產品和進口產品。最后將增加值部分的固定資產折舊和營業盈余合并為資本要素。

根據表1測算的補貼率估計2012年可再生能源發電的補貼金額，基年CO2、SO2和NOX排放總量數據來自《2012中國環境狀況公報》。化石燃料CO2排放系數的設定采用國家發改委能源研究所的推薦值，大氣污染物SO2和NOX排放系數的設定參考了魏巍賢和馬喜立[21]的研究文獻。參數設定方面，不同發電技術間的替代彈性參照Allan等[22]；化石能源間的替代彈性、化石能源與電力間的替代彈性參照石敏俊等[23]；阿明頓彈性參照Guo等[24]；要素間的替代彈性、出口彈性等參照魏巍賢和馬喜立[21]。

3 模擬設置與結果分析

3.1 模擬沖擊設置

模擬沖擊的設置主要依據中國可再生能源電價附加征收標準。2012年可再生能源電價附加征收標準為0.8分/kW·h（始于2006年）。國家發改委于2015年12月27日下發《關于降低燃煤發電上網電價和一般工商業用電價格的通知》，將用電征收的可再生能源電價附加征收標準提高到1.9分/kW·h（除居民生活和農業生產以外），比2014年開始實施的1.5分/kW·h的標準增加0.4分/kW·h。如果補貼全部以可再生能源附加的形式解決，以2020年風力發電2.2億kW、光伏發電1.2億kW，風電、光伏電、煤電價差不動測算，“十三五”期間可再生能源附加標準需要調整為2.5分/kW·h。若再增加可再生能源發電規模，實現《可再生能源發展“十三五”規劃》中初步明確的可再生能源發展目標，即按照2020年風力發電2.5億kW，光伏發電1.5億kW計算，可再生能源電價附加需要調至3.5分/kW·h。假設燃煤上網電價保持0.4元/kW·h不變，表1測算了可再生能源發電的補貼率。

由表1可知，2012年補貼率約為2%，若要實現“十三五”期間的可再生能源發電目標并不斷調高電價附加標準，2020年補貼率要達到8.75%左右。因此，本文將模擬可再生能源發電補貼率從2%到8.75%情形下的大氣環境效益。此外，征收硫稅和碳稅也是改善大氣環境的有效政策手段，本文還模擬了可再生能源發電補貼輔以硫稅、可再生能源發電補貼同時輔以硫稅和碳稅這兩種沖擊的情況。

3.2 溫室氣體、污染氣體與顆粒物總減排量

表2給出了可再生能源發電補貼、補貼加硫稅、補貼同時輔以硫稅和碳稅三種沖擊對總減排量和GDP的影響。可再生能源發電補貼有效地提高了大氣環境福利效益，使CO2、SO2和NOX分別減少了10 032.129萬t、20.013萬t和18.171萬t，PM2.5濃度下降0.628 μg/m3，GDP增加0.062%。可再生能源發電補貼加硫稅的情況下，CO2、SO2和NOX的減排量更多，分別減少了17 164.736萬t、34.116萬t和29.788萬t，PM2.5濃度的下降幅度更大（-1.071 μg/m3），但是GDP增加0.051%，小于僅有補貼的情形。補貼同時輔以硫稅和碳稅的情況下，雖然大氣環境效益更加顯著，CO2、SO2和NOX的減排量遠遠高于前兩種情形，甚至PM2.5濃度下降了12.434 μg/m3，但是此時經濟負增長，GDP減少0.266%。

上述結果說明征收硫稅和碳稅（尤其碳稅）由于遏制了某些高耗能、高污染行業的發展，在一定程度上阻礙了經濟增長，雖然其對大氣環境的福利效益更大，卻并非改善大氣環境的長久之計。對可再生能源電價進行補貼帶來了新的經濟增長點（例如引致新能源行業的投資需求），不僅可以促進新能源產業的發展、通過替代火電改進能源消費結構，而且在改善大氣環境的同時促進了經濟增長。如果可再生能源發電補貼輔以適度的硫稅或碳稅政策，不僅可以顯著增進大氣環境效益，還能抵消征稅對經濟增長的部分負面影響。

3.3 溫室氣體與污染氣體行業減排量

實施可再生能源電價補貼后，各個行業排放的CO2、SO2和NOX均呈現下降趨勢，這說明可再生能源電價補貼使清潔能源發電對火電產生替代效應，各個行業不同程度地增加對清潔能源電力的使用，減少對火電的使用，間接降低了對化石能源的消耗，從而溫室氣體和污染氣體的排放有所下降。鑒于每個行業溫室氣體和兩種污染氣體的下降幅度基本一致，圖2僅給出CO2分詳細行業減排量。建筑業、倉儲郵政、地產金融、批發零售和農林牧漁業的CO2排放量下降幅度均超過0.7%，分別下降0.76%、0.75%、0.74%、0.72%和0.72%；其次，CO2減排力度較大的行業是石油、天然氣和交通運輸，CO2排放量分別下降0.68%、0.68%、0.65%。火電的CO2排放下降0.53%，這主要與火電產出的下降減少了對煤炭的消耗有關。煤炭行業的CO2減排力度最小，CO2排放量僅下降0.2%。

火電行業和煤炭行業的結果反應出當前的大氣污染治理存在專家所說的“火電行業超前、非電領域滯后”現象。過去一段時期內，霧霾治理的重點在火電領域，火電行業常規污染物排放指標已經達到世界先進水平，污染物排放量快速下降。每年的煤炭消費量占據除火電之外的另一半。據悉，2015年全國煤炭消費總量為39.6億t，非電工業領域用煤量達18.2億t。非電工業領域和居民燃燒散煤所帶來的污染物排放占比在大幅增加，非電行業大氣污染治理步伐相對遲緩，成為大氣污染治理的一大問題。

大氣污染最主要的污染源來自工業污染排放，工業中的SO2排放占全國的90%，NOX排放占70%，煙塵占85%。為了從更加宏觀的行業視角分析可再生能源發電補貼的大氣福利效益，本文將上述詳細行業進一步進行分類，用算數平均的方法計算了農業、輕工業、重工業、服務業和能源行業的溫室氣體與污染氣體減排情況，如圖3所示，僅給出CO2行業減排量。CO2減排力度由大到小依次為農業、服務業、輕工業、能源行業和重工業，CO2排放量分別下降0.71%、0.65%、0.54%、0.52%和0.36%。說明在農業和服務業部門，可再生能源發電對火電的替代作用更明顯。與農業和服務業相比較，工業部門是用電大戶，其中有色金屬、冶金、化工、建材四個行業是電力消耗的主要行業，僅四大高耗能產業的電力消費量就約占整個電力消費量的40%。即使對可再生能源發電補貼后，較低的可再生能源電價使工業部門增加對其使用，但對電力巨大的需求，加之火電技術成熟、成本低等諸多優點，工業部門用電構成還是以火電為主。也就是說在工業部門尤其重工業部門，可再生能源發電對火電的替代更有限，這也從側面反映了工業部門的減排壓力更大。

最后需要說明的是，影響行業減排的因素有許多，比如供給側改革控制行業產量，從而減少了該行業的能源投入；再比如行業清潔技術進步的提高使單位產量的排污減少等等。但本文在考察行業減排時設置的沖擊只有補貼率，已經排除了其他因素的干擾，因此這里的行業減排量是全部由電價補貼造成的，它是一個百分比變化的相對量。

3.4 能源結構

增加對可再生能源的補貼有助于以三種方式優化中國的能源系統：一是使能源消費結構更清潔；二是提高能源效率；三是解決不平衡分配和能量消耗的問題。可再生能源補貼之所以對大氣環境產生福利效益，歸根到底與補貼改善了能源結構有關，圖4給出了不同沖擊下的能源結構變化。在只有補貼的情況下，煤炭和火電的產出分別減少0.05%和0.04%，石油和天然氣的產出均增加0.01%，而補貼使可再生能源發電顯著增加，達到2.73%。補貼政策改善了以火電為主的電力消費結構，促進可再生能源產業發展壯大，同時抑制煤炭產業的發展，有利于發展低碳經濟。

可再生能源發電補貼加硫稅的情況下，煤炭和火電的產出分別減少0.08%和0.06%，天然氣的產出增加0.02%，幅度均大于只有補貼的情況；加入硫稅后，可再生能源發電增加依然明顯，但略小于只有補貼的情況。這種政策組合的效果更加理想，既能夠增加可再生能源占一次能源消費的比重，又能夠加快中國實現應對氣候變化目標的進程。

補貼同時輔以硫稅和碳稅的情況下，煤炭和火電的產出呈現較大幅度地減少，石油和天然氣的產出也由增加轉為減少，而可再生能源發電的增加顯著小于只有補貼的情況。碳稅能顯著減少對化石能源的消耗，但對可再生能源發展的負面作用也明顯，不是一種可持續的發展政策。

4 研究結論與政策建議

為推動可再生能源產業發展壯大，國家不斷提高可再生能源電價附加征收標準，使可再生能源電價補貼率持續提高。本文使用中國2012年投入產出表，基于可計算一般均衡框架模擬了補貼政策對大氣環境的福利效益，并與補貼輔以硫稅、補貼同時輔以硫稅和碳稅這兩種政策效應進行對比，得出結論如下：

（1）提高可再生能源電價補貼能夠減少溫室氣體、污染氣體的總排放量，降低顆粒物濃度，該政策在有效改善大氣環境狀況的同時拉動了經濟增長；如果在提高補貼的基礎上適度增加硫稅或碳稅政策，大氣環境的福利效益更加顯著且補貼抵消了征稅對經濟增長的部分負面影響。

（2）補貼使可再生能源發電對火電產生替代，各個行業排放的溫室氣體和污染氣體出現不同程度的下降趨勢，溫室氣體和污物氣體的減排力度由大到小依次為農業、服務業、輕工業、能源行業和重工業。

（3）補貼促進可再生能源發電量不斷提升，替代燃煤火電的貢獻越來越大，優化了能源結構，是產生大氣環境福利效益的根本原因；如果在提高補貼的基礎上適度增加硫稅政策，可以加快能源結構優化的進程，助力實現應對氣候變化的目標。

可再生能源電價補貼政策改善了大氣環境質量，為更好地增進這種福利效益，提出以下政策建議：

（1）短期內提高可再生能源電價附加征收標準，輔以硫稅或碳稅政策，補貼與稅收雙管齊下。目前可再生能源不能與常規化石能源直接競爭，可再生能源發電不能與火電直接競爭，要實現2030年中國強化應對氣候變化的行動目標，使非化石能源占一次能源消費比重達到20%左右，必須加大對可再生能源產業的扶持力度，提高可再生能源電價補貼是最直接有效的政策手段。今后的電力改革目標應包括不同發電技術競爭環境的市場化和合理化，即化石能源發電與可再生能源發電競爭環境的市場化和合理化，環境需求上行的因素要求可再生能源發電競爭力在國家扶持下達到一定水平。而硫稅或碳稅政策短時間內減排效果顯著，雙管齊下既增強了短期減排力度，也滿足了長期可持續發展要求。

（2）中期內適時調整補貼方式，電價附加的補貼模式

逐漸向定額補貼、綠色證書模式過度。可再生能源附加與燃煤標桿電價組成可再生能源發電電價的方式還需保留一段時間，但由于面臨可再生能源電價補貼資金不足的問題，補貼方式需調整，實行“價格”和“補貼”的分離。財政補貼部分，把差價補貼變成定額補貼，根據國家對可再生能源發展規模的需要設定補貼目標。當條件成熟時，推進配額加綠色證書交易機制，通過市場發現補貼的標準。

（3）長期內最終取消補貼。僅僅靠補貼政策刺激，往往使可再生能源企業忽視發展投資與技術進步的長期規劃。要隨著補貼強度的逐步降低，最終取消補貼，真正實現可再生能源產業的持續、健康發展。

如今，以霧霾為典型特征的大氣污染現象，除了一定程度的氣象因素，歸根到底與發展方式粗放、產業結構失衡、能源結構欠佳、能源效率低下、環境治理低效等發展過程中的多個問題有關[25]。研究已證明對可再生能源的扶持政策優化了能源結構，對大氣環境治理具有一定效果。因此，現階段我們要通過積極的扶持政策使開發運營成本仍然很高、技術尚未成熟的可再生能源項目有長期穩定的合理回報，從而吸引部件、系統、運營商和投資人的積極參與，推動整個行業的可持續發展，為美麗中國建設作出其應有的貢獻。

參考文獻（References）

[1]戴小文， 唐宏， 朱琳. 城市霧霾治理實證研究——以成都市為例[J]. 財經科學， 2016（2）： 123-132. [DAI Xiaowen， TANG Hong， ZHU Lin. Empirical research on urban smog management： a case study of Chengdu[J]. Finance & economics， 2016（2）： 123-132.]

[2]HUI J X， CAI W J， YE M H， et al. Clean generation technologies in Chinese power sector： penetration thresholds and supporting policies[J]. Energy procedia， 2015， 75： 2807-2812.

[3]LIU Z F， ZHANG W H， ZHAO CH， et al. The economics of wind power in China and policy implications[J]. Energies， 2015， 8（2）： 1529-1546.

[4]余揚. 中國風能、太陽能電價政策的補貼需求和稅負效應[J]. 財貿研究， 2016（3）： 106-116. [YU Yang. Subsidy demands and tax burdens of Chinas wind and solar electricity price policies[J]. Finance and trade research， 2016（3）： 106-116.]

[5]KEYURAPHAN S， THANARAK P， KETJOY N， et al. Subsidy schemes of renewable energy policy for electricity generation in Thailand[J]. Procedia engineering， 2012， 32： 440-448.

[6]李婧舒， 劉朋. WTO法律框架下的新能源補貼問題研究——以美國對華新能源產業“301調查”為視角[J].對外經濟貿易大學學報（國際商務版）， 2013（1）： 119-128. [LI Jingshu， LIU Peng. Research on new energy subsidies under WTO legal framework： in the sight of U.S ‘301 investigation against Chinese new energy industry[J]. Journal of University of International Business and Economics （international business edition）， 2013（1）： 119-128.]

[7]ANDOR M， VOSS A. Optimal renewableenergy promotion： capacity subsidies vs. generation subsidies[J]. Resource and energy economics， 2016， 45： 144-158.

[8]SHIH-C H， LATHAM W， SARZYNSKI A. A collaborative framework for U.S. statelevel energy efficiency and renewable energy governance[J]. The electricity journal， 2016， 29（9）： 21-26.

[9]GARRETTPELTIER-H. Green versus brown： comparing the employment impacts of energy efficiency， renewable energy， and fossil fuels using an inputoutput model[J]. Economic modelling， 2017，61（2）：439-447.

[10]BYKZKAN-G， GLERYZ S. An integrated DEMATEL-ANP approach for renewable energy resources selection in Turkey[J]. International journal of production economics， 2016， 182： 435-448.

[11]GABRIEL-C A， KIRKWOOD J， WALTON S， et al. How do developing country constraints affect renewable energy entrepreneurs？[J]. Energy for sustainable development， 2016， 35： 52-66.

[12]DCI G， GOTCHEV B. When energy policy meets community： rethinking risk perceptions of renewable energy in Germany and the Netherlands[J]. Energy research & social science， 2016， 22： 26-35.

[13]LIN J H，-WU Y K， LIN H J. Successful experience of renewable energy development in several offshore islands[J]. Energy procedia， 2016， 100： 8-13.

[14]LIN B Q，-JIANG Z J. Estimates of energy subsidies in China and impact of energy subsidy reform[J]. Energy economics， 2011， 33（2）： 273-283.

[15]LIU W，-LI H. Improving energy consumption structure： a comprehensive assessment of fossil energy subsidies reform in China[J]. Energy policy， 2011， 39（7）： 4134-4143.

[16]SOLAYMANI S， KARI F. Impacts of energy subsidy reform on the Malaysian economy and transportation sector[J]. Energy policy， 2014， 70： 115-125.

[17]FARAJZADEH Z，-BAKHSHOODEH M. Economic and environmental analyses of Iranian energy subsidy reform using computable general equilibrium （CGE） model[J]. Energy for sustainable development， 2015， 27： 147-154.

[18]KALKUHL M，-EDENHOFER O， LESSMANN K. Renewable energy subsidies： secondbest policy or fatal aberration for mitigation？[J]. Resource and energy economics， 2013， 35（3）： 217-234.

[19]WU J， ALBRECHT J， FAN Y， et al. The design of renewable support schemes and CO2 emissions in China[J]. Energy policy， 2016， 99： 4-11.

[20]MARK H. ORANI-G： a generic singlecountry computable general equilibrium model[EB/OL]. http：//www.copsmodels.com/ftp/gpextra/oranig06doc.pdf.

[21]魏巍賢， 馬喜立. 能源結構調整與霧霾治理的最優政策選擇[J]. 中國人口·資源與環境， 2015， 25（7）： 6-14. [WEI Weixian， MA Xili. Optimal policy for energy structure adjustment and haze governance in China[J]. China population， resources and environment， 2015， 25（7）： 6-14.]

[22]ALLAN G，-LECCA P， MCGREGOR P， et al. The economic and environmental impact of a carbon tax for Scotland： a computable general equilibrium analysis[J]. Ecological economics， 2014， 100： 40-50.

[23]石敏俊， 李娜， 袁永娜，等. 低碳發展的政策選擇與區域響應[M]. 北京： 科學出版社， 2012. [SHI Minjun， LI Na， YUAN Yongna， et al. Policy selection and district response about lowcarbon development[M]. Beijing： Science Press， 2012.]

[24]GUO-Z Q， ZHANG X P， ZHENG Y H， et al. Exploring the impacts of a carbon tax on the Chinese economy using a CGE Model with a detailed disaggregation of energy sectors[J]. Energy economics， 2014， 45： 455-462.

[25]邵帥， 李欣， 曹建華，等. 中國霧霾污染治理的經濟政策選擇——基于空間溢出效應的視角[J]. 經濟研究， 2016（9）： 73-88. [SHAO Shuai， LI Xin， CAO Jianhua ， et al. Chinas economic policy choices for governing smog pollution based on spatial spillover effects[J]. Economic research journal， 2016（9）： 73-88.]