劉學(xué)之+黃敬+鄭燕燕+沈鳳武+王瀟暉

摘要 石化行業(yè)作為中國(guó)八大典型高碳排放產(chǎn)業(yè)之一，也是碳市場(chǎng)參與的重要行業(yè)。在國(guó)家2020年碳排放強(qiáng)度目標(biāo)的約束下，客觀(guān)評(píng)價(jià)其行業(yè)減碳的壓力，對(duì)于政府部門(mén)科學(xué)制定各個(gè)行業(yè)碳排放配額的分配方案具有重要支撐作用。同時(shí)，亦對(duì)于通過(guò)低碳轉(zhuǎn)型升級(jí)實(shí)現(xiàn)行業(yè)的可持續(xù)發(fā)展和支撐國(guó)家的工業(yè)減排目標(biāo)具有理論和現(xiàn)實(shí)意義。本文針對(duì)石化行業(yè)9個(gè)子部門(mén)，結(jié)合我國(guó)經(jīng)濟(jì)發(fā)展的總體背景和趨勢(shì)以及石化行業(yè)的相關(guān)數(shù)據(jù)，以2010年為基準(zhǔn)情景，在2020年國(guó)家碳排放強(qiáng)度分別下降45%和50%的減排約束目標(biāo)下，構(gòu)建了一個(gè)動(dòng)態(tài)CGE模型——PCCGE，借助GAMS軟件模擬分析，預(yù)測(cè)了到2020年國(guó)家和石化行業(yè)經(jīng)濟(jì)總量、能源消費(fèi)結(jié)構(gòu)和碳排放量及碳強(qiáng)度等的變化趨勢(shì)。研究結(jié)果表明，相比基準(zhǔn)情景，在45%、50%的碳強(qiáng)度減排目標(biāo)下，國(guó)家和石化行業(yè)的經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)結(jié)構(gòu)和碳排放強(qiáng)度等指標(biāo)分別受到一定程度影響，其中，50%的減排目標(biāo)對(duì)國(guó)家整體經(jīng)濟(jì)增速影響更為明顯；對(duì)煤炭、石油這兩種高碳能源的需求產(chǎn)生了較顯著的約束效應(yīng)；相比國(guó)家45%—50%的低碳發(fā)展目標(biāo)，石化行業(yè)減碳承受壓力達(dá)到60.63%至64.78%，面臨著艱巨的減排任務(wù)與挑戰(zhàn)。最后，文章結(jié)合低碳市場(chǎng)化背景提出了如下建議：科學(xué)預(yù)測(cè)典型高碳行業(yè)的減碳潛力，謹(jǐn)慎應(yīng)對(duì)石化等行業(yè)企業(yè)參與碳市場(chǎng)交易過(guò)程中碳配額指標(biāo)的制定與分配；充分利用技術(shù)創(chuàng)新和能源結(jié)構(gòu)調(diào)整等戰(zhàn)略，提高可再生能源的使用規(guī)模，促進(jìn)能源消耗結(jié)構(gòu)的優(yōu)化和調(diào)整；構(gòu)建石化行業(yè)節(jié)能低碳技術(shù)產(chǎn)學(xué)研協(xié)同創(chuàng)新體系，解決共性節(jié)能技術(shù)瓶頸；實(shí)施石化行業(yè)企業(yè)低碳發(fā)展戰(zhàn)略，建設(shè)完善碳排放管理體系是行業(yè)節(jié)能減碳的重要手段。

關(guān)鍵詞 PCCGE模型；石化行業(yè)；碳排放強(qiáng)度；情景分析

中圖分類(lèi)號(hào) F224；F124.5 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2017）10-0103-12 [WTHZ]DOI：10.12062/cpre.20170624

石化行業(yè)是我國(guó)的支柱產(chǎn)業(yè)，上中下游產(chǎn)品多達(dá)上萬(wàn)種，其聚合生成的大量高分子材料是我國(guó)重要的三大材料品種之一，同時(shí)也是我國(guó)農(nóng)業(yè)、交通、醫(yī)藥及其他眾多行業(yè)原料和燃料的重要來(lái)源產(chǎn)業(yè)，在國(guó)民經(jīng)濟(jì)發(fā)展產(chǎn)業(yè)鏈中占有舉足輕重的地位，多年來(lái)石化行業(yè)發(fā)展一直處于較快速的增長(zhǎng)階段，對(duì)中國(guó)經(jīng)濟(jì)的發(fā)展做出了重要貢獻(xiàn)?！笆濉逼陂g石化行業(yè)繼續(xù)保持了10%的工業(yè)增加值年均增長(zhǎng)速度，2015年實(shí)現(xiàn)行業(yè)主營(yíng)業(yè)務(wù)收入達(dá)12萬(wàn)億元，占全國(guó)工業(yè)總產(chǎn)值的11.9%，位居全國(guó)36個(gè)工業(yè)部門(mén)之首。進(jìn)入“十三五”后，石化行業(yè)發(fā)展整體依然保持著相對(duì)較高的增長(zhǎng)速度，預(yù)計(jì)主營(yíng)業(yè)務(wù)增長(zhǎng)速度將保持在9%左右。但是，經(jīng)過(guò)多年的快速發(fā)展，在經(jīng)濟(jì)發(fā)展新常態(tài)下，石化行業(yè)的可持續(xù)發(fā)展開(kāi)始面臨諸多挑戰(zhàn)，如產(chǎn)品成本優(yōu)勢(shì)減弱，行業(yè)產(chǎn)能過(guò)剩嚴(yán)重，產(chǎn)品結(jié)構(gòu)不合理突出，安全環(huán)保壓力在累積，節(jié)能減排成為企業(yè)發(fā)展的重要瓶頸之一等等。尤其是在我國(guó)積極應(yīng)對(duì)國(guó)際氣候變化，實(shí)施低碳發(fā)展國(guó)家戰(zhàn)略的大背景下，石化行業(yè)已經(jīng)成為參與碳市場(chǎng)交易的重要且典型的履約行業(yè)之一，行業(yè)企業(yè)配額的計(jì)量和分配與行業(yè)的低碳潛力緊密相關(guān)，也是碳配額制定的基礎(chǔ)之一，因此，結(jié)合國(guó)家和行業(yè)發(fā)展需要，科學(xué)計(jì)量和預(yù)測(cè)碳排放強(qiáng)度和低碳潛力已成為政府和石化行業(yè)制定建設(shè)穩(wěn)健發(fā)展的碳市場(chǎng)的一項(xiàng)重要基礎(chǔ)內(nèi)容，同時(shí)，對(duì)我國(guó)工業(yè)企業(yè)如何順利完成國(guó)家2020和2030低碳發(fā)展目標(biāo)亦可起到政策支撐作用。

1 國(guó)內(nèi)外研究進(jìn)展

中國(guó)目前是二氧化碳排放量最大的國(guó)家[1]，能否實(shí)現(xiàn)國(guó)家2020年低碳發(fā)展目標(biāo)引起眾多學(xué)者關(guān)注。

國(guó)家層面低碳相關(guān)的研究成果。Ke Li[2]等通過(guò)采用蒙特卡羅模擬，計(jì)算出在碳強(qiáng)度目標(biāo)約束下適用于工業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)轉(zhuǎn)型的中等經(jīng)濟(jì)增長(zhǎng)率。屈超，陳甜[3]使用螢火蟲(chóng)優(yōu)化的IPAT模型估算中國(guó)2030年的碳強(qiáng)度，證明中國(guó)能夠?qū)崿F(xiàn)2015年巴黎國(guó)際氣候大會(huì)上提出的碳減排目標(biāo)。李虹，婁雯[4]設(shè)計(jì)了32種減排情景，采用STIRPAT模型預(yù)測(cè)不同目標(biāo)下的2020年碳排放強(qiáng)度值，結(jié)果顯示一半以上的情景均能實(shí)現(xiàn)碳強(qiáng)度目標(biāo)。Bangzhu Zhu[5]等通過(guò)協(xié)整理論定量分析了中國(guó)經(jīng)濟(jì)增長(zhǎng)與能源消費(fèi)的關(guān)系，并使用ARIMA模型預(yù)測(cè)了2020年我國(guó)的碳強(qiáng)度和能源結(jié)構(gòu)，證明了我國(guó)可以在維持經(jīng)濟(jì)增長(zhǎng)的同時(shí)實(shí)現(xiàn)碳強(qiáng)度目標(biāo)。劉小敏，付加峰[6]針對(duì)2020年碳強(qiáng)度目標(biāo)通過(guò)構(gòu)建CGE模型進(jìn)行情景分析，并對(duì)能否實(shí)現(xiàn)我國(guó)碳強(qiáng)度目標(biāo)進(jìn)行探討分析。

省級(jí)、區(qū)域及工業(yè)部門(mén)碳排放研究。Ruyin Long等[7]采用ImPACT模型，根據(jù)國(guó)家碳減排目標(biāo)預(yù)測(cè)了江蘇省2020年碳強(qiáng)度，并對(duì)三個(gè)地區(qū)的最佳減排情景進(jìn)行了模擬分析。趙濤等[8]通過(guò)對(duì)數(shù)平均迪式分解模型分析了2000—2012年天津市工業(yè)部門(mén)的碳強(qiáng)度。Xingwei Wang等[9]通過(guò)構(gòu)建混合非線(xiàn)性灰色預(yù)測(cè)和配額分配模型（HNGPQAM）預(yù)測(cè)了減排比例分別為40%和45%的情景下各省的減排成本與相應(yīng)配額。王憲恩等[10]以吉林省為例，設(shè)計(jì)了低碳、節(jié)能和基準(zhǔn)等4種情景，通過(guò)改進(jìn)STIRPAT模型對(duì)碳排放進(jìn)行預(yù)測(cè)。袁永娜，石敏俊等[11]針對(duì)跨區(qū)域的碳減排問(wèn)題構(gòu)建了基于我國(guó)30省區(qū)的CGE模型，并就碳排放許可的強(qiáng)度分配標(biāo)準(zhǔn)對(duì)我國(guó)區(qū)域協(xié)同發(fā)展可能產(chǎn)生的影響進(jìn)行了模擬分析。

工業(yè)部門(mén)是二氧化碳排放的主要來(lái)源[12]，對(duì)總體碳強(qiáng)度下降會(huì)起到重要作用[13]，因此一直都是碳排放問(wèn)題的重要研究對(duì)象，其中，關(guān)于鋼鐵、水泥和原鋁等行業(yè)碳排放方面研究成果最為豐富。Renjing Xu等[14]用分位數(shù)回歸模型，探討了我國(guó)鋼鐵行業(yè)在高、中、低排放水平下二氧化碳排放的驅(qū)動(dòng)力。Bin Xu等[15]根據(jù)2000年至2013年間的30個(gè)省級(jí)面板數(shù)據(jù)，采用非參數(shù)回歸模型，對(duì)中國(guó)鋼鐵工業(yè)二氧化碳排放的關(guān)鍵驅(qū)動(dòng)力進(jìn)行了檢驗(yàn)。結(jié)果表明，經(jīng)濟(jì)增長(zhǎng)對(duì)碳排放的非線(xiàn)性效應(yīng)與環(huán)境庫(kù)茲涅茨曲線(xiàn)（EKC）假說(shuō)一致。Lu等[16]采用生產(chǎn)優(yōu)化模型，對(duì)我國(guó)不同生產(chǎn)方式下的鋼鐵行業(yè)能源消耗和二氧化碳排放量進(jìn)行了測(cè)量及預(yù)測(cè)。Qiang Li等[17]設(shè)定了“無(wú)新政策”、“十三五計(jì)劃”和“附加政策”三種情景，建立了包含二氧化碳排放強(qiáng)度等五個(gè)子系統(tǒng)的系統(tǒng)動(dòng)力學(xué)模型，對(duì)未來(lái)十五年我國(guó)鋁行業(yè)潛在的二氧化碳排放趨勢(shì)進(jìn)行了預(yù)測(cè)分析。Tianming Gao[18]等根據(jù)計(jì)算1980—2014年間我國(guó)水泥行業(yè)的碳排放量進(jìn)行趨勢(shì)解析，分別在基準(zhǔn)情景和最佳實(shí)踐情景下預(yù)測(cè)得到2020年我國(guó)水泥行業(yè)碳排放量。Yu Liu等[19]通過(guò)構(gòu)建CGE模型，評(píng)估我國(guó)電力企業(yè)在新的大氣污染物排放標(biāo)準(zhǔn)下對(duì)環(huán)境和經(jīng)濟(jì)的影響。林伯強(qiáng)等[20]通過(guò)Kaya恒等式分析交通部門(mén)二氧化碳排放的主要因素，根據(jù)不同的減排情景估算二氧化碳排放量和減排潛力。endprint

關(guān)于石化行業(yè)二氧化碳排放的研究。Yongming Han[21]構(gòu)建了基于改進(jìn)的極限學(xué)習(xí)機(jī)綜合解釋結(jié)構(gòu)模型（ISMELM）的能源和碳排放分析與推算方法，利用基于ISM的部分相關(guān)系數(shù)分析影響復(fù)雜石油化工系統(tǒng)能源和碳排放的關(guān)鍵參數(shù)，以減少ELM預(yù)測(cè)模型的訓(xùn)練時(shí)間和誤差。Yaxun Chen等[22]建立了DEA模型，利用環(huán)境績(jī)效指數(shù)（EPI）來(lái)表示不同決策單元（DMU）的總體績(jī)效，從而評(píng)估石化行業(yè)能源、環(huán)境綜合績(jī)效。羅勝[23]利用了人口、產(chǎn)業(yè)結(jié)構(gòu)等五個(gè)指標(biāo)，采用系統(tǒng)仿真建模對(duì)2004—2020年我國(guó)石化行業(yè)碳排放強(qiáng)度進(jìn)行了估算，結(jié)果顯示石化行業(yè)碳排放強(qiáng)度由1998年開(kāi)始呈逐年下降的趨勢(shì)，并從能源結(jié)構(gòu)、科技創(chuàng)新等5個(gè)方面提出了政策建議。但是，該研究關(guān)于行業(yè)低碳情景的預(yù)測(cè)主要立足于石化行業(yè)自身發(fā)展環(huán)境數(shù)據(jù)進(jìn)行的模擬，而石化行業(yè)作為國(guó)家的重要基礎(chǔ)工業(yè)之一，其行業(yè)的低碳排放應(yīng)與國(guó)家整體經(jīng)濟(jì)發(fā)展政策趨勢(shì)及戰(zhàn)略緊密相關(guān)，因此，現(xiàn)有研究具有一定的局限性。

關(guān)于碳排放強(qiáng)度與企業(yè)競(jìng)爭(zhēng)力和經(jīng)濟(jì)影響方面。王琛[24] 利用博弈論中雙寡頭模型分析了處于碳交易體系中的兩個(gè)企業(yè)，在碳配額約束下導(dǎo)致的產(chǎn)量和市場(chǎng)占有率的變化而對(duì)企業(yè)的競(jìng)爭(zhēng)力帶來(lái)的影響，其中，碳強(qiáng)度低的企業(yè)具有相對(duì)較高的市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)，碳強(qiáng)度高的企業(yè)則對(duì)碳配額約束更為敏感。整個(gè)行業(yè)的總產(chǎn)量可能會(huì)隨著國(guó)家碳配額的數(shù)量減少而縮小，因此，研究結(jié)果提出了“如何在經(jīng)濟(jì)發(fā)展和減少排放之間尋求平衡”是需要政策制定者和學(xué)者們深入思考的問(wèn)題之一。宣曉偉[25]根據(jù)歐盟、美國(guó)、澳大利亞和新西蘭等國(guó)家和地區(qū)的碳配額分配方案所采用的祖父法和拍賣(mài)法及其他混合方法實(shí)施的經(jīng)驗(yàn)，圍繞碳市場(chǎng)的推行不要對(duì)實(shí)體產(chǎn)業(yè)經(jīng)濟(jì)運(yùn)行產(chǎn)生明顯的負(fù)面影響這個(gè)重要的出發(fā)點(diǎn)，提出目前尚沒(méi)有一個(gè)適用于所有市場(chǎng)的有效碳配額分配辦法的觀(guān)點(diǎn)，并指出中國(guó)碳交易市場(chǎng)實(shí)施過(guò)程中應(yīng)注重配額分配的階段性特點(diǎn)，即初始階段注重可接受性、公平和效率等問(wèn)題，后面發(fā)展階段注重市場(chǎng)的穩(wěn)定性、流動(dòng)性以及可持續(xù)性等問(wèn)題。吳潔[26]等分析了基于不同的碳配額初始分配方式對(duì)于各地區(qū)和各個(gè)重點(diǎn)排放行業(yè)的影響。劉婧[27]等利用因素分解法，基于影響行業(yè)碳排放強(qiáng)度變化的三個(gè)因素——行業(yè)內(nèi)能源品種碳排放率、能源結(jié)構(gòu)和能源強(qiáng)度，分析了碳強(qiáng)度最高的石化行業(yè)和第二的鋼鐵行業(yè)與服務(wù)業(yè)之間碳交易的經(jīng)濟(jì)效益和社會(huì)效益等，并提出化工和鋼鐵產(chǎn)業(yè)均為產(chǎn)能過(guò)剩的高耗能、高排放行業(yè)，需要政府加強(qiáng)對(duì)碳排放初始分配權(quán)的監(jiān)控，“合理確定各行業(yè)的碳強(qiáng)度減排指標(biāo)和減排計(jì)劃，循序漸進(jìn)地推進(jìn)行業(yè)碳市場(chǎng)的建立”。

由綜述可知，目前，國(guó)內(nèi)外關(guān)于工業(yè)碳排放的研究成果范疇涉及從國(guó)家到省域，以及高碳排放的交通、鋼鐵和水泥等多工業(yè)領(lǐng)域。而石化行業(yè)作為重要的高碳排放行業(yè)，屬于能源既做原料又做燃料的典型過(guò)程工業(yè)，產(chǎn)業(yè)鏈長(zhǎng)，工藝復(fù)雜，產(chǎn)品眾多，總消耗量占中國(guó)工業(yè)能源消費(fèi)總量的20%以上，屬于高碳排放量的重化工業(yè)，其碳強(qiáng)度的預(yù)測(cè)分析可以為行業(yè)有效控制其碳排放量，順利實(shí)現(xiàn)行業(yè)十三五低碳戰(zhàn)略規(guī)劃目標(biāo)提供參考，現(xiàn)有研究成果卻明顯不足。同時(shí)，面對(duì)2017年底即將啟動(dòng)的全國(guó)統(tǒng)一的碳市場(chǎng)，這是國(guó)家通過(guò)市場(chǎng)化手段促進(jìn)低碳發(fā)展的重要方式，石化行業(yè)則是首批參與碳市場(chǎng)交易的八大行業(yè)之一，不論根據(jù)祖父法還是行業(yè)基準(zhǔn)值法進(jìn)行參與碳交易行業(yè)碳配額的初始分配，碳配額數(shù)量，作為一個(gè)新的約束指標(biāo)，都將對(duì)行業(yè)未來(lái)的發(fā)展產(chǎn)生重要影響。就歐盟碳市場(chǎng)發(fā)展歷程的相關(guān)研究可知，前三年（2005—2007）的市場(chǎng)化初始期的發(fā)展非常關(guān)鍵，其中，在保證碳市場(chǎng)的開(kāi)展對(duì)于行業(yè)不產(chǎn)生明顯負(fù)面效應(yīng)的基礎(chǔ)上，充分評(píng)估各個(gè)重點(diǎn)碳減排行業(yè)發(fā)展特點(diǎn)和碳排放強(qiáng)度及總量變化因素，對(duì)于配額分配方式選擇和確定行業(yè)碳排放總量限制等具有非常重要的理論及現(xiàn)實(shí)指導(dǎo)價(jià)值，也是支撐后續(xù)碳市場(chǎng)的公平、效率和穩(wěn)定性發(fā)展的重要基礎(chǔ)工作。因此，我國(guó)碳市場(chǎng)背景下的碳配額分配同樣需要制定科學(xué)的計(jì)量方法，吸收多方研究成果，針對(duì)不同行業(yè)特點(diǎn)，理性、謹(jǐn)慎的計(jì)算和分析其承受能力，保證碳市場(chǎng)對(duì)于行業(yè)發(fā)展帶來(lái)相對(duì)穩(wěn)定和可控的影響，避免過(guò)大的負(fù)面沖擊。因此，從2017—2020年三年多的碳市場(chǎng)啟動(dòng)的初期，客觀(guān)評(píng)價(jià)典型碳排放行業(yè)的減碳承受能力以及和國(guó)家排放目標(biāo)的符合性，對(duì)于國(guó)家低碳目標(biāo)的推進(jìn)是非常必要的基礎(chǔ)工作，也將有助于我國(guó)整體工業(yè)的低碳管理和國(guó)家氣候戰(zhàn)略的實(shí)施。本文將以石化行業(yè)碳排放強(qiáng)度和排放量為主要研究對(duì)象，利用投入產(chǎn)出表，旨在構(gòu)建適用于我國(guó)石化行業(yè)的動(dòng)態(tài)CGE模型，結(jié)合國(guó)家及行業(yè)的低碳發(fā)展戰(zhàn)略等，分析不同減排目標(biāo)下政府和石化行業(yè)2020年的碳排放強(qiáng)度及排放總量等變化，評(píng)析石化行業(yè)低碳減排潛力，并為其低碳轉(zhuǎn)型發(fā)展提出相應(yīng)政策建議。

2 PCCGE模型設(shè)計(jì)

CGE（Computable General Equilibrium， CGE）模型作為政策分析的有力工具，在國(guó)際和區(qū)域貿(mào)易、財(cái)政稅收、收入分配、社會(huì)福利、以及資源環(huán)境等諸多領(lǐng)域中得到了廣泛的應(yīng)用。隨著全球氣候變暖、大氣污染、水土流失、資源緊缺等資源環(huán)境問(wèn)題日益突出，世界各國(guó)都開(kāi)始尋求一種既能保持經(jīng)濟(jì)增長(zhǎng)，又能削減污染排放的經(jīng)濟(jì)控制政策，因此，含有資源環(huán)境模塊的CGE模型——環(huán)境CGE模型應(yīng)運(yùn)而生。環(huán)境CGE作為CGE模型的一個(gè)分支，是一般均衡理論在環(huán)境經(jīng)濟(jì)學(xué)領(lǐng)域的重要應(yīng)用?，F(xiàn)階段，環(huán)境CGE模型主要用于研究二氧化碳減排和能源消耗、環(huán)境污染排放、環(huán)境稅、碳稅影響等方面的問(wèn)題。

通常，環(huán)境CGE模型保留了一般CGE模型的結(jié)構(gòu)特征，可以根據(jù)研究目的不同，增加包含環(huán)境因素的模型結(jié)構(gòu)部分。從建模的角度分析，環(huán)境CGE模型也是由描述市場(chǎng)供給與需求關(guān)系的一系列方程所組成。這些方程一方面描述了市場(chǎng)經(jīng)濟(jì)主體的行為，另一方面又將社會(huì)、經(jīng)濟(jì)與資源環(huán)境變量有機(jī)組合在一起。從方程描述的主體行為角度分析，環(huán)境CGE模型主要是由生產(chǎn)、收入、貿(mào)易與價(jià)格、支付、環(huán)境治理以及市場(chǎng)均衡與宏觀(guān)閉合等六大模塊構(gòu)成。

本文利用環(huán)境CGE模型研究預(yù)測(cè)石化行業(yè)碳強(qiáng)度及排放量的變化趨勢(shì)，因此將模型命名為PCCGE模型（PetroChemical CGE），結(jié)合SAM表的數(shù)據(jù)，通過(guò)對(duì)各項(xiàng)宏觀(guān)參數(shù)進(jìn)行賦值，在設(shè)定的情景下，利用GAMS工具模擬分析中國(guó)石化行業(yè)的行業(yè)產(chǎn)出和行業(yè)碳排放量。endprint

2.1 PCCGE模型模塊設(shè)計(jì)

模型主要由六大模塊構(gòu)成的：生產(chǎn)模塊、收入和需求模塊、價(jià)格和貿(mào)易模塊、均衡閉合模塊、環(huán)境模塊以及動(dòng)態(tài)模塊。PCCGE模型的基礎(chǔ)數(shù)據(jù)主要建立在我國(guó)2010年65部門(mén)投入產(chǎn)出表基礎(chǔ)之上，并通過(guò)將生產(chǎn)部門(mén)進(jìn)行拆分和歸并，最終形成13個(gè)生產(chǎn)部門(mén)，詳見(jiàn)表1。

2.1.1 生產(chǎn)模塊

本文在生產(chǎn)模塊中使用了一個(gè)5層嵌套的常替代彈性——CES（constant elasticity of substitution）函數(shù)描述生產(chǎn)行為，每個(gè)部門(mén)的產(chǎn)出水平由市場(chǎng)均衡條件決定。第一層次為非能源中間投入和能源中間投入的組合（資本—能源—?jiǎng)趧?dòng)力合成）兩部分；第二層次是利用CES函數(shù)將勞動(dòng)力要素從資本—能源—?jiǎng)趧?dòng)力合成中拆分出來(lái)；第三層次是采用CES函數(shù)將資本—能源合成分解為資本和能源；第四層次則進(jìn)一步把能源組合分成化石能源合成和非化石能源；最后，第五層次將化石能源束通過(guò)CES函數(shù)分解為煤炭、石油和天然氣，其生產(chǎn)結(jié)構(gòu)層次可見(jiàn)圖1。

2.1.2 收入和需求模塊

收入模塊旨在描述居民、企業(yè)和政府這三大經(jīng)濟(jì)主體的收入和資金儲(chǔ)備情況。其中，居民收入包括通過(guò)勞動(dòng)力獲得的勞動(dòng)報(bào)酬以及政府的轉(zhuǎn)移支付、企業(yè)的利潤(rùn)分配等；企業(yè)收入主要是指部門(mén)資本回報(bào)之和；而政府收入來(lái)自向居民和企業(yè)征收的稅費(fèi)和對(duì)進(jìn)出口商品征收的關(guān)稅等。這三個(gè)經(jīng)濟(jì)主體間的收入分配情況可以通過(guò)圖2直觀(guān)體現(xiàn)。

需求模塊主要考慮居民、企業(yè)和政府這三類(lèi)消費(fèi)主體，并區(qū)分最終消費(fèi)需求、中間品投入需求和投資需求三種消費(fèi)方式。假設(shè)居民消費(fèi)水平固定在收入的一定比例下，并根據(jù)效用最大化原則對(duì)不同部門(mén)產(chǎn)品進(jìn)行消費(fèi)。此處，將政府總支出的一定比例設(shè)定為政府的消費(fèi)和投資，并根據(jù)生產(chǎn)函數(shù)計(jì)算政府的中間使用。在庫(kù)存的確定方面，我們將其全部假設(shè)為國(guó)內(nèi)產(chǎn)品，商品供給則是由國(guó)內(nèi)產(chǎn)品和進(jìn)口產(chǎn)品共同組成的Armington合成，詳見(jiàn)圖3。

2.1.3 貿(mào)易和價(jià)格模塊

貿(mào)易和價(jià)格模塊的構(gòu)建是基于“小國(guó)假設(shè)”理論展開(kāi)：假設(shè)區(qū)域的進(jìn)出口數(shù)量比較小，不會(huì)對(duì)世界市場(chǎng)價(jià)格產(chǎn)生影響；商品的世界價(jià)格假設(shè)為外生變量，在靜態(tài)分析中保持不變。環(huán)境CGE模型嚴(yán)格劃分本區(qū)域商品和外區(qū)域商品。對(duì)于這兩類(lèi)商品的處理，一般是基于A(yíng)rmington假設(shè)：假設(shè)本區(qū)域商品和外區(qū)域商品是不完全替代的，并分別采用CES和常替代彈性轉(zhuǎn)化（constant elasticity of transformation， CET）方程對(duì)商品在本區(qū)域市場(chǎng)和外區(qū)域市場(chǎng)之間的優(yōu)化配置過(guò)程進(jìn)行描述。此外，PCCGE模型中

假定規(guī)模報(bào)酬不變和貨幣中性，全部?jī)r(jià)格都采用相對(duì)價(jià)格，它們彼此間不僅通過(guò)種種CES或CET函數(shù)彼此聯(lián)系，而且通過(guò)各項(xiàng)稅收或匯率互相關(guān)聯(lián)。圖4描述了PCCGE模型的價(jià)格和貿(mào)易構(gòu)成。

2.1.4 均衡閉合模塊

PCCGE中的要素市場(chǎng)、產(chǎn)品市場(chǎng)政府收支、國(guó)際收支、投資儲(chǔ)蓄保持均衡狀態(tài)。政府收支均衡是在設(shè)定支出不變的情況下改變儲(chǔ)蓄實(shí)現(xiàn)的；類(lèi)似地，國(guó)際收支均衡是在設(shè)定國(guó)外儲(chǔ)蓄不變的基礎(chǔ)上，通過(guò)改變非貿(mào)易品的相對(duì)價(jià)格實(shí)現(xiàn)的；而在投資與儲(chǔ)蓄均衡方面，PCCGE假設(shè)通過(guò)儲(chǔ)蓄的驅(qū)動(dòng)來(lái)確定投資額。

2.1.5 環(huán)境模塊

環(huán)境模塊是環(huán)境CGE模型的核心模塊，也是環(huán)境CGE模型區(qū)別于傳統(tǒng)CGE模型的關(guān)鍵。現(xiàn)有成果對(duì)生產(chǎn)流程中污染物排放數(shù)量的計(jì)算主要有以下兩類(lèi)方式：一種是先將各部門(mén)的產(chǎn)出同排放系數(shù)進(jìn)行相乘，算出每個(gè)部門(mén)在生產(chǎn)流程中所產(chǎn)生的數(shù)量，再將所有部門(mén)的污染物排放量相加，就能夠算出污染物總量；另一種是依據(jù)各部門(mén)中間投入品的數(shù)量和排放系數(shù)，先算出每個(gè)部門(mén)的排放量，再推算得到總量。CO2排放的計(jì)量將使用第一種方法。同時(shí)，根據(jù)本文的研究對(duì)象為工業(yè)生產(chǎn)行業(yè)，因此，碳排放量主要是生產(chǎn)過(guò)程中通過(guò)燃燒煤炭、石油和天然氣釋放出來(lái)的CO2，不包括居民活動(dòng)所排放的CO2。

2.1.6 動(dòng)態(tài)模塊

為研究和模擬多時(shí)期的經(jīng)濟(jì)變動(dòng)狀況，靜態(tài)模型顯然是不夠的，因此， 本文的PCCGE模型將加入動(dòng)態(tài)模塊。根據(jù)現(xiàn)階段的研究成果可知存在不同類(lèi)型的動(dòng)態(tài)模型，本文選擇使用相對(duì)較多的遞推（recursive）動(dòng)態(tài)模型。新古典經(jīng)濟(jì)學(xué)理論認(rèn)為，生產(chǎn)要素（勞動(dòng)力、資本）的數(shù)量與技術(shù)進(jìn)步是經(jīng)濟(jì)不斷發(fā)展的推動(dòng)力，所以，PCCGE模型的動(dòng)態(tài)變量包含了勞動(dòng)力、資本總量以及TFP增長(zhǎng)率這三個(gè)要素。

2.2 構(gòu)建能源SAM表及參數(shù)設(shè)定

PCCGE模型所使用的數(shù)據(jù)主要來(lái)源于2010年SAM表，其中彈性參數(shù)，以及煤炭、石油和天然氣這三大化石能源的碳排放系數(shù)等幾類(lèi)數(shù)據(jù)均以2010年為基準(zhǔn)年。

2.2.1 2010 SAM表的編制

本文自行編制了包括石化行業(yè)在內(nèi)的社會(huì)核算矩陣表，見(jiàn)表2。數(shù)據(jù)來(lái)源為《2010年中國(guó)投入產(chǎn)出延長(zhǎng)表》、《2010年中國(guó)財(cái)政年鑒》等。由于數(shù)據(jù)來(lái)源不同，原始SAM表并不平衡，本文使用交叉熵通過(guò)交叉合并，得到調(diào) 整后的社會(huì)核算矩陣。在社會(huì)核算矩陣中，石油、天然氣被合并到“石油和天然氣開(kāi)采業(yè)”這一個(gè)部門(mén)當(dāng)中，為了將它們分解成兩個(gè)部門(mén)，可以依據(jù)2010年能源生產(chǎn)總量構(gòu)成比例對(duì)2010年投入產(chǎn)出表中的進(jìn)行劃分，劃分比例為69.5%和30.5%。

2.2.2 彈性參數(shù)

現(xiàn)階段彈性系數(shù)的估計(jì)方法主要有兩種，一是基于歷史數(shù)據(jù)采用計(jì)量方法進(jìn)行分析；二是在現(xiàn)有文獻(xiàn)研究結(jié)果或是經(jīng)驗(yàn)賦值的基礎(chǔ)上先設(shè)定參數(shù)值，然后進(jìn)一步展開(kāi)敏感性分析進(jìn)行估值?？紤]到可行性，PCCGE模型參數(shù)的賦值將采用第二種方式，也就是文獻(xiàn)梳理法。本文參考賀菊煌等[28]的參數(shù)，來(lái)對(duì)各個(gè)部門(mén)CES生產(chǎn)函數(shù)中要素替代彈性參數(shù)、貿(mào)易函數(shù)的替代彈性估計(jì)進(jìn)行賦值。

2.2.3 CO2 排放系數(shù)的確定

由于基礎(chǔ)數(shù)據(jù)是來(lái)自投入產(chǎn)出表的SAM表，并且還包括不同部門(mén)之間的拆分與合并，因此，能源消費(fèi)總量的數(shù)據(jù)無(wú)法利用實(shí)物量數(shù)據(jù)。基于以上原因，本文將采用國(guó)際能源署（IEA）CO2排放量的計(jì)算方法，即通過(guò)我國(guó)三種化石能源CO2排放量和能源的實(shí)際消費(fèi)量來(lái)計(jì)算，見(jiàn)表3。endprint

2.3 情景設(shè)定

考慮到數(shù)據(jù)主要來(lái)自《2010年中國(guó)投入產(chǎn)出延長(zhǎng)表》，因此，本文以2010年的實(shí)際情況為基準(zhǔn)情景，以國(guó)家微觀(guān)社會(huì)核算矩陣化石能源三部門(mén)的總需求相對(duì)實(shí)物量。

2020年的碳排放強(qiáng)度為約束條件，模擬不同減排約束目標(biāo)下我國(guó)宏觀(guān)經(jīng)濟(jì)及石化行業(yè)的經(jīng)濟(jì)增速和能源結(jié)構(gòu)變化等預(yù)期發(fā)展情況的影響。

目前普遍采用的碳強(qiáng)度計(jì)算方法為碳強(qiáng)度=國(guó)內(nèi)經(jīng)濟(jì)活動(dòng)中的碳排放總量/國(guó)內(nèi)生產(chǎn)總值（GDP）。

即：CI（Carbon Intensity）=TC（T）/GDP（萬(wàn)元）（1）

本文為處理簡(jiǎn)便，統(tǒng)一將碳排放強(qiáng)度定義為CO2排放量/GDP。碳減排約束目標(biāo)設(shè)置主要考慮以下因素：① 2014年我國(guó)碳排放強(qiáng)度水平；②碳排放相關(guān)規(guī)劃與政策：《國(guó)家應(yīng)對(duì)氣候變化規(guī)劃（2014—2020年）》、《“十三五”控制溫室氣體排放工作方案》、《石化和化學(xué)工業(yè)發(fā)展規(guī)劃（2016—2020年）》等。

根據(jù)《國(guó)家應(yīng)對(duì)氣候變化規(guī)劃（2014—2020年）》提出2020年我國(guó)碳強(qiáng)度要比2005年下降40%—45%，以及國(guó)際能源署公布的數(shù)據(jù)“2014年我國(guó)碳強(qiáng)度相較2005年降低了37.3%”，加之綜合考慮我國(guó)碳排放強(qiáng)度的下降趨勢(shì)及我國(guó)近年來(lái)的減排政策、目標(biāo)等，將低碳發(fā)展的第一個(gè)碳強(qiáng)度約束目標(biāo)定為在2005年基礎(chǔ)上降低45%，即在2010年基礎(chǔ)上下降18.5%。同時(shí)，我國(guó)在2015年巴黎氣候大會(huì)上提交的“國(guó)家自主決定貢獻(xiàn)”中承諾到2030年碳強(qiáng)度與2005年相比下降60%—65%，通過(guò)推算，在2020年將下降達(dá)到43%—47%左右。參考工信部《工業(yè)領(lǐng)域應(yīng)對(duì)氣候變化行動(dòng)方案（2012—2020年）》提出的2020年較2005年碳強(qiáng)度下降50%的減排目標(biāo)，并結(jié)合歐盟的發(fā)展經(jīng)驗(yàn)，隨著我國(guó)碳排放交易市場(chǎng)的快速推出，對(duì)低碳發(fā)展的強(qiáng)化效果也會(huì)愈加顯著。因此，將低碳發(fā)展的另一個(gè)更高約束目標(biāo)設(shè)定為在2005年基礎(chǔ)上下降50%，即在2010年基礎(chǔ)上下降25.9%。

情景分析中主要參數(shù)根據(jù)一般CGE模型參數(shù)的校準(zhǔn)方法，由基準(zhǔn)年2010年數(shù)據(jù)推算，并總結(jié)相關(guān)資料得到。其中資本總量供應(yīng)采用郭豫媚等[29]等研究成果作為確定未來(lái)資本總量的估算依據(jù)，并根據(jù)歷年價(jià)格指數(shù)對(duì)資本總量進(jìn)行處理計(jì)算；全要素生產(chǎn)率采用李娜等[30]研究成果并加以處理。人口因素參數(shù)根據(jù)王金營(yíng)等[31]、李桂芝等[32]和國(guó)家人口發(fā)展戰(zhàn)略研究課題組對(duì)我國(guó)人口總數(shù)進(jìn)行預(yù)測(cè)的研究結(jié)果確定人口增長(zhǎng)率；城市化率參考《國(guó)家新型城鎮(zhèn)化規(guī)劃（2014—2020年）》的預(yù)測(cè)值。

3 情景分析

根據(jù)三個(gè)情景的設(shè)計(jì)及前文的分析，使用PCCGE模型，通過(guò)GAMS軟件的計(jì)算，可以得到不同碳排放約束目標(biāo)下下2020年我國(guó)宏觀(guān)經(jīng)濟(jì)及石化行業(yè)的經(jīng)濟(jì)增速和碳排放量及排放強(qiáng)度等預(yù)期發(fā)展情況。

3.1 國(guó)家及石化產(chǎn)業(yè)的經(jīng)濟(jì)增長(zhǎng)變化

從基準(zhǔn)情景的模擬結(jié)果圖5所示，我國(guó)經(jīng)濟(jì)到2020年仍將保持在7%左右的GDP增長(zhǎng)率，并呈現(xiàn)出逐漸變緩的趨勢(shì)，其中，國(guó)際市場(chǎng)經(jīng)濟(jì)和政治的動(dòng)蕩，國(guó)際原油價(jià)格的持續(xù)下跌給國(guó)際市場(chǎng)需求帶來(lái)不確定性，導(dǎo)致我國(guó)出口需求量的減少，直接對(duì)與石油資源緊密相關(guān)的石化產(chǎn)業(yè)生產(chǎn)和消費(fèi)帶來(lái)顯著負(fù)面影響。國(guó)內(nèi)市場(chǎng)總體上處于經(jīng)濟(jì)新常態(tài)，供給側(cè)改革還在繼續(xù)，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整艱難進(jìn)行中。居民消費(fèi)由于醫(yī)療改革還沒(méi)有到位，教育養(yǎng)老等負(fù)擔(dān)高，同時(shí)房地產(chǎn)市場(chǎng)占用了大量民眾消費(fèi)基金，因此，居民消費(fèi)意愿偏低；在十八大后反腐的高壓形勢(shì)下，政府部門(mén)消費(fèi)大幅削減，同時(shí)在增加市場(chǎng)配置資源的指導(dǎo)方針下，由于資本市場(chǎng)還處在改革中，實(shí)體產(chǎn)業(yè)投資需求尚受到多方面的約束而增長(zhǎng)乏力；城市化進(jìn)程會(huì)帶來(lái)新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)，改革的紅利也會(huì)提升經(jīng)濟(jì)發(fā)展的總體效率，因此，2018—2020年間，總體經(jīng)濟(jì)以略高于7%的增速處于平穩(wěn)前進(jìn)、穩(wěn)中有降的狀態(tài)。石化行業(yè)屬于典型的產(chǎn)能過(guò)剩行業(yè)，近幾年國(guó)際油價(jià)的下跌嚴(yán)重打擊了石化上下游產(chǎn)業(yè)的發(fā)展，國(guó)際需求低迷，同業(yè)競(jìng)爭(zhēng)加劇，終端產(chǎn)品價(jià)格走低；國(guó)內(nèi)市場(chǎng)產(chǎn)能過(guò)剩嚴(yán)重，勞動(dòng)力成本大幅上升，產(chǎn)業(yè)投資總額增長(zhǎng)乏力，因此，導(dǎo)致石化行業(yè)整體經(jīng)濟(jì)走勢(shì)也是穩(wěn)中下降的趨勢(shì)，維持在9.38%—10.01%之間，高于國(guó)家的增長(zhǎng)速度2%左右，與石化行業(yè)“十二五”末和“十三五”經(jīng)濟(jì)增長(zhǎng)的預(yù)期基本吻合。

圖6和圖7分別給出了在國(guó)家減排約束目標(biāo)為45%和50%的條件下GDP總量和石化行業(yè)工業(yè)增加值總量的增長(zhǎng)速度變化情況。與基準(zhǔn)情景相比，在低碳目標(biāo)下，2020年我國(guó)GDP總量相比基準(zhǔn)情景分別減少了6.2和6.8個(gè)百分點(diǎn)，說(shuō)明實(shí)施低碳發(fā)展目標(biāo)短期內(nèi)對(duì)于經(jīng)濟(jì)總量增長(zhǎng)總體上體現(xiàn)為負(fù)效應(yīng)，50%約束條件相較于45%的影響稍大。因此，應(yīng)充分考慮碳市場(chǎng)的開(kāi)展對(duì)國(guó)家整體經(jīng)濟(jì)的影響。

在國(guó)家減排約束目標(biāo)為45%和50%的條件下，石化行業(yè)工業(yè)增加值總量分別減少4.7%和5.0%。主要原因則是經(jīng)濟(jì)新常態(tài)下，石化行業(yè)面臨低端產(chǎn)品供給過(guò)剩和高端創(chuàng)新產(chǎn)品供給不足的結(jié)構(gòu)失衡問(wèn)題，同時(shí)，隨著減排目標(biāo)的執(zhí)行，生產(chǎn)者需要增加環(huán)境污染治理的投入，進(jìn)而導(dǎo)致產(chǎn)品的生產(chǎn)成本增加，行業(yè)競(jìng)爭(zhēng)力下降，發(fā)展增速減緩，而且，減排目標(biāo)越高，對(duì)行業(yè)發(fā)展增速影響程度越大。此外，模擬結(jié)果顯示，“十三五”期間碳強(qiáng)度目標(biāo)的執(zhí)行對(duì)行業(yè)經(jīng)濟(jì)的影響程度比“十二五”期間大，這表明，在減碳工作逐步深入的同時(shí)，治理的邊際成本也在不斷提高。

與此同時(shí)，受減排目標(biāo)的影響，石化行業(yè)的9個(gè)部門(mén)2020年的行業(yè)增加值變動(dòng)比率也與基準(zhǔn)情景有所不同。從圖10可以看出，除天然氣開(kāi)采業(yè)外，其他8個(gè)部門(mén)的工業(yè)增加值均比基準(zhǔn)情景下降了2.3—6.2個(gè)百分點(diǎn)，且50%約束目標(biāo)的變化幅度比45%更大。這主要是因?yàn)槭袠I(yè)這些部門(mén)大部分為高耗能高碳排放部門(mén)，執(zhí)行減排目標(biāo)會(huì)提高這些部門(mén)的生產(chǎn)成本，并降低它們的活動(dòng)水平；相反，天然氣開(kāi)采業(yè)的產(chǎn)品是相對(duì)清潔的能源，在減排目標(biāo)下提高了低碳能源的消費(fèi)比重，因此天然氣部門(mén)的產(chǎn)出有所提高，并有助于石化行業(yè)內(nèi)部的產(chǎn)業(yè)能源消費(fèi)結(jié)構(gòu)調(diào)整。endprint

3.2 能源消費(fèi)效應(yīng)

由圖9可見(jiàn)，基準(zhǔn)情景下我國(guó)的能源消費(fèi)仍然呈現(xiàn)以煤碳為主的特征，煤炭的消費(fèi)份額有所下落，從75.96%下降到72.98%，煤炭稍有下降；天然氣的消費(fèi)份額從3.93%上升到5.04%，占比略微增加，石油占比則基本不變。到2020年，整體上三大化石能源的消費(fèi)比重基本保持穩(wěn)定，即我國(guó)能源消費(fèi)結(jié)構(gòu)沒(méi)有太明顯改變。

執(zhí)行碳排放約束目標(biāo)會(huì)對(duì)不同化石能源的消耗量產(chǎn)生不同影響。其中，受影響最大的是煤炭消費(fèi)量比例。相對(duì)基準(zhǔn)情景，在45%和50%約束條件下，2020年煤炭的消耗總量分別下降了8.1和8.9個(gè)百分點(diǎn)；此外，石油的消耗量也下降了5%左右，說(shuō)明減排約束目標(biāo)對(duì)煤炭、石油這兩種高碳能源的需求產(chǎn)生了約束效應(yīng)；相反，天然氣這種相對(duì)清潔的能源消費(fèi)總量卻分別提高了3.3和3.9個(gè)百分點(diǎn)，根據(jù)《中國(guó)統(tǒng)計(jì)年鑒（2016）》數(shù)據(jù)可知，能源消費(fèi)結(jié)構(gòu)中，煤炭消費(fèi)比例從2013年的67.4%降為2015年的63%，天然氣則從5.3%提升到8.3%，石油消費(fèi)比例基本不變，維持在17%左右，模擬結(jié)果顯示，50%比45%約束條件對(duì)于煤炭、石油和天然氣的能源消費(fèi)結(jié)構(gòu)的影響更為顯著，與石化行業(yè)內(nèi)部結(jié)構(gòu)變化的低碳發(fā)展大趨勢(shì)是一致的。

3.3 碳排放與碳排放強(qiáng)度

基準(zhǔn)情景下，如圖11所示，我國(guó)CO2排放總量仍呈現(xiàn)較快增長(zhǎng)態(tài)勢(shì)。盡管碳強(qiáng)度有所降低，但CO2總量的減排拐點(diǎn)還沒(méi)有到來(lái)，距離國(guó)家2020碳強(qiáng)度目標(biāo)以及石化行業(yè)“十三五”減排目標(biāo)的完成也存在一定的差距。同時(shí)，我國(guó)石化行業(yè)的碳排放強(qiáng)度仍然高于國(guó)家碳排放強(qiáng)度水平，并維持在3.0 t-C/萬(wàn)元以上，相比國(guó)家的總體減排目標(biāo)，石化行業(yè)面臨的減排任務(wù)嚴(yán)峻。

由表4數(shù)據(jù)可知，在45%和50%約束條件下，與2010年3.87 t-C/萬(wàn)元的歷史數(shù)值相比，石化行業(yè)2020年的碳排放強(qiáng)度分別降低了34.71%和41.87%；同2005年6.02 t-C/萬(wàn)元的歷史數(shù)值相比，則分別降低了60.63%和64.78%。事實(shí)上，石化行業(yè)基本完成了“十二五”規(guī)劃中工業(yè)企業(yè)17.5%的減排任務(wù)，其行業(yè)碳排放強(qiáng)度大約下降至3.00 t-C/萬(wàn)元，按照2015—2020年間石化行業(yè)規(guī)劃的碳排放強(qiáng)度仍保持17.5%的下降幅度，則2020年的碳排放強(qiáng)度為2.48 t-C/萬(wàn)元，將比2005年的6.02 t-C/萬(wàn)元下降58.8%。模擬和實(shí)際實(shí)現(xiàn)效果比較可知，模擬結(jié)果說(shuō)明石化行業(yè)減排幅度可以適度高于國(guó)家的平均目標(biāo)，石化行業(yè)具有更多的低碳發(fā)展?jié)摿?，可以承?dān)更多減碳的責(zé)任，也說(shuō)明其減排任務(wù)依然嚴(yán)峻。其中，與石化行業(yè)發(fā)展的特色直接相關(guān)，傳統(tǒng)工藝與最先進(jìn)的現(xiàn)代流程都在生產(chǎn)，生產(chǎn)同類(lèi)產(chǎn)品的企業(yè)大中小規(guī)模并存，工藝技術(shù)高低與各地經(jīng)濟(jì)發(fā)展水平密切相關(guān)，同時(shí)，管理水平更是良莠不齊，高碳排放的企業(yè)減碳空間較大，隨著近幾年國(guó)家綠色發(fā)展對(duì)于行業(yè)環(huán)境管理和排放要求提升的沖擊將在未來(lái)顯現(xiàn)，一些小規(guī)模企業(yè)的生產(chǎn)將直接產(chǎn)生“關(guān)、停、并、轉(zhuǎn)”的現(xiàn)象，因此，減碳的潛力比較大，同時(shí)，也會(huì)對(duì)于石化行業(yè)的整體可持續(xù)發(fā)展發(fā)展帶來(lái)挑戰(zhàn)。

4 研究結(jié)論及政策建議

本文基于CGE模型的原理和結(jié)構(gòu)構(gòu)建了我國(guó)石化行業(yè)的PCCGE模型的結(jié)構(gòu)和基礎(chǔ)數(shù)據(jù)，采用情景模擬方法，以我國(guó)2020年碳排放強(qiáng)度的不同目標(biāo)為約束條件，構(gòu)建了我國(guó)碳排放的基準(zhǔn)情景和45%、50%的約束目標(biāo)，在此基礎(chǔ)上模擬分析了到2020年不同碳排放約束目標(biāo)對(duì)我國(guó)宏觀(guān)經(jīng)濟(jì)和石化行業(yè)的影響。

4.1 研究結(jié)論

國(guó)家2020年低碳強(qiáng)度目標(biāo)對(duì)能源消費(fèi)結(jié)構(gòu)、經(jīng)濟(jì)總量、行業(yè)經(jīng)濟(jì)產(chǎn)出及碳強(qiáng)度會(huì)產(chǎn)生不同程度的影響，且低碳強(qiáng)度指標(biāo)越高，對(duì)各項(xiàng)指標(biāo)的影響越大。與基準(zhǔn)情景相比：

（1）在45%、50%約束目標(biāo)下，國(guó)家和石化行業(yè)的經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)結(jié)構(gòu)和碳排放強(qiáng)度等指標(biāo)分別都有一定幅度降低， 模擬結(jié)果顯示，2020年我國(guó)GDP總量分別減少了6.2和6.8個(gè)百分點(diǎn)，石化行業(yè)工業(yè)增加值占比分別減少4.7%和5.0%，說(shuō)明減排約束目標(biāo)對(duì)整體經(jīng)濟(jì)和石化行業(yè)的對(duì)應(yīng)指標(biāo)都產(chǎn)生了約束作用，低碳戰(zhàn)略對(duì)國(guó)家整體的經(jīng)濟(jì)增速影響更為明顯。

（2）在45%、50%約束目標(biāo)下，煤炭的消耗總量占比分別下降了8.1和8.9個(gè)百分點(diǎn)，石油的消耗量占比下降了5%左右，說(shuō)明減排約束目標(biāo)對(duì)煤炭、石油這兩種高碳能源的需求產(chǎn)生了較顯著的約束效應(yīng)，相反，天然氣這種相對(duì)清潔的能源消費(fèi)總量卻分別提高了3.3和3.9個(gè)百分點(diǎn)，與石化行業(yè)內(nèi)部結(jié)構(gòu)變化的低碳發(fā)展大趨勢(shì)是一致的。說(shuō)明雖然總體以煤炭為主體的能源結(jié)構(gòu)不會(huì)改變，但是天然氣這種相對(duì)清潔能源的消費(fèi)比重會(huì)有一定幅度的增加，顯示了清潔能源使用增加的總體發(fā)展趨勢(shì)。

（3）在45%、50%約束目標(biāo)下，石化行業(yè)碳排放強(qiáng)度較2005年和2010年的基期有較大幅度下降需求，分別可達(dá)到60.63%、64.78%和34.71%、41.87%，程度高于國(guó)家碳強(qiáng)度減排目標(biāo)45%（2005年基期）和38.1%（根據(jù)石化行業(yè)協(xié)會(huì)規(guī)劃的十三五繼續(xù)17.5%的降碳目標(biāo)推算），由此可見(jiàn)，要完成國(guó)家的碳減排強(qiáng)度目標(biāo)，石化行業(yè)具有較好的減碳潛力，在一定程度上可以承擔(dān)更多低碳減排的任務(wù)和責(zé)任。但是，根據(jù)項(xiàng)目組調(diào)研結(jié)果顯示，行業(yè)發(fā)展在低碳背景下還需要經(jīng)歷可承受性檢驗(yàn)，針對(duì)傳統(tǒng)和現(xiàn)代產(chǎn)業(yè)并存的石化行業(yè)發(fā)展現(xiàn)實(shí)而言，更多減少低技術(shù)和高耗能的小型企業(yè)會(huì)取得低碳顯著效果，但是對(duì)行業(yè)發(fā)展和就業(yè)等會(huì)帶來(lái)較大震蕩。

（4）研究表明國(guó)家碳排放強(qiáng)度目標(biāo)促使污染治理的投入增加，提高了管理成本，進(jìn)而影響了部門(mén)產(chǎn)出，也迫使低碳與高碳能源之間的結(jié)構(gòu)調(diào)整，短期內(nèi)對(duì)企業(yè)的生產(chǎn)成本和整體的行業(yè)發(fā)展可能會(huì)產(chǎn)生一定的負(fù)面作用。為了達(dá)到國(guó)家碳排放強(qiáng)度目標(biāo)，石化行業(yè)面臨著諸多挑戰(zhàn)，迫使其以綠色低碳技術(shù)替代和發(fā)展、創(chuàng)新管理模式等方式消納能源結(jié)構(gòu)調(diào)整等帶來(lái)的可持續(xù)發(fā)展壓力。

鑒于經(jīng)濟(jì)系統(tǒng)的復(fù)雜多變，本文構(gòu)建PCCGE模型尚存在一定的局限性。如加入社會(huì)福利模塊等，可使模型進(jìn)一步完善；模型中相關(guān)參數(shù)主要是參考前人的研究成果，還需要進(jìn)一步結(jié)合產(chǎn)業(yè)最新數(shù)據(jù)優(yōu)化參數(shù)賦值。目前經(jīng)濟(jì)發(fā)展處于新常態(tài)下，由過(guò)去的高速逐漸轉(zhuǎn)變?yōu)橹懈咚僭鲩L(zhǎng)，“十三五”期間石化行業(yè)增加值年均增長(zhǎng)有可能會(huì)進(jìn)一步調(diào)低，從而可能會(huì)導(dǎo)致碳強(qiáng)度的預(yù)測(cè)結(jié)果產(chǎn)生部分影響。同時(shí)，不同約束目標(biāo)下石化行業(yè)的模擬更多考慮了低碳技術(shù)的發(fā)展應(yīng)用、清潔能源的使用，以及《大氣污染防治行動(dòng)計(jì)劃》等其他環(huán)境政策措施的實(shí)施所帶來(lái)的經(jīng)濟(jì)發(fā)展、能源使用和碳排放等方面的影響，未考慮非化石能源的因素。endprint

4.2 政策建議

（1）科學(xué)預(yù)測(cè)石化等典型高碳行業(yè)的減碳潛力，謹(jǐn)慎應(yīng)對(duì)石化等行業(yè)企業(yè)參與碳市場(chǎng)交易過(guò)程中碳配額指標(biāo)的制定與分配。據(jù)統(tǒng)計(jì)，2015年國(guó)家公布的1 191家未完成節(jié)能目標(biāo)任務(wù)的企業(yè)中，石油化工企業(yè)有286家，占比達(dá)24%，遠(yuǎn)超其他行業(yè)，節(jié)能和低碳緊密相關(guān)，客觀(guān)佐證了石化行業(yè)低碳發(fā)展?jié)摿εc壓力并存的現(xiàn)狀，尤其是石化中小型企業(yè)，低碳發(fā)展?jié)摿Ω?，但是，受困于資金、人才、技術(shù)和管理等多方面因素的制約，這將是低碳轉(zhuǎn)型的艱巨任務(wù)。對(duì)于即將啟動(dòng)的全國(guó)碳市場(chǎng)，參與的石化企業(yè)都是大型企業(yè)，往往能耗管理水平高，碳排放均值比較低，不論是采取“祖父法”還是“行業(yè)基準(zhǔn)值法”，過(guò)高的減排標(biāo)準(zhǔn)則可能會(huì)過(guò)多約束企業(yè)的競(jìng)爭(zhēng)能力，容易出現(xiàn)鞭打快牛的現(xiàn)象。因此，需要政府部門(mén)客觀(guān)評(píng)估行業(yè)低碳潛力和承受能力，科學(xué)制定碳配額指標(biāo)和分配方案，循序漸進(jìn)地推動(dòng)碳交易市場(chǎng)的發(fā)展，目的是在企業(yè)可持續(xù)發(fā)展和氣候變化政策間保持適度平衡。

（2）在全球低碳發(fā)展的大背景下，我國(guó)石化行業(yè)的低碳發(fā)展同樣機(jī)遇與挑戰(zhàn)并存，制定行業(yè)低碳發(fā)展政策，充分利用技術(shù)創(chuàng)新和能源結(jié)構(gòu)調(diào)整等戰(zhàn)略也將是必然選擇。根據(jù)能源消費(fèi)結(jié)構(gòu)模擬結(jié)果可以看出，在今后相當(dāng)長(zhǎng)的時(shí)間里，石化行業(yè)能源結(jié)構(gòu)仍是以煤炭為主，因此，結(jié)合工藝特色需要和技術(shù)經(jīng)濟(jì)效果分析，適度增加天然氣等清潔能源比例，減輕對(duì)煤和石油的依賴(lài)是實(shí)現(xiàn)行業(yè)低碳發(fā)展的一個(gè)重要方向。此外，提高可再生能源的使用規(guī)模，將其作為未來(lái)石化產(chǎn)業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)來(lái)培育，也會(huì)促進(jìn)能源消耗結(jié)構(gòu)的優(yōu)化和調(diào)整。

（3）構(gòu)建石化行業(yè)節(jié)能低碳技術(shù)產(chǎn)學(xué)研協(xié)同創(chuàng)新體系，解決共性節(jié)能技術(shù)瓶頸。例如，通過(guò)組建行業(yè)技術(shù)中心、研究中心和重點(diǎn)實(shí)驗(yàn)室等研發(fā)平臺(tái)，做好技術(shù)儲(chǔ)備，對(duì)可能占據(jù)未來(lái)技術(shù)制高點(diǎn)的新興低碳技術(shù)，可以形成以企業(yè)為主體的產(chǎn)學(xué)研用協(xié)同創(chuàng)新體系，有選擇地研發(fā)低碳能源技術(shù)，注重加強(qiáng)石油、天然氣資源的清潔轉(zhuǎn)化技術(shù)的研發(fā)使用，以及新一代生物燃料、天然氣水合物等的開(kāi)發(fā)技術(shù)等，將低碳技術(shù)研發(fā)和應(yīng)用作為企業(yè)增長(zhǎng)的一個(gè)競(jìng)爭(zhēng)力優(yōu)勢(shì)推進(jìn)。

（4）實(shí)施石化行業(yè)企業(yè)低碳發(fā)展戰(zhàn)略，建設(shè)完善碳排放管理體系是行業(yè)節(jié)能減碳的重要手段。引入現(xiàn)代管理的思想理論，將系統(tǒng)工程原理等方法和“策劃、實(shí)施、檢查、改進(jìn)（PDCA）循環(huán)管理”理念引入行業(yè)企業(yè)的低碳管理過(guò)程，建立覆蓋能源利用和碳排放全過(guò)程的管理體系，制定合理的碳資產(chǎn)管理計(jì)劃，以市場(chǎng)化手段促進(jìn)企業(yè)構(gòu)建節(jié)能減碳的長(zhǎng)效機(jī)制。

參考文獻(xiàn)（References）

[1]XU-B， LIN B Q. How industrialization and urbanization process impacts on CO2 emissions in China： evidence from nonparametric additive regression models[J]. Energy economics， 2015，48：188-202.

[2]LI-K， LIN B Q. Chinese strategy for carbon intensity mitigation pledge for 2020： evidence from a threshold cointegration model combined with MonteCralo simulation methods[J]. Journal of cleaner production， 2016，118：37-47.

[3]屈超， 陳甜. 中國(guó)2030年碳排放強(qiáng)度減排潛力測(cè)算[J]. 中國(guó)人口·資源與環(huán)境， 2016， 26（7）： 62-69.[QU Chao， CHEN Tian. Estimation to Chinese CO2 emissions intensity in 2030： based on IPAT Model of FA[J]. China population， resources and environment， 2016， 26（7）： 62-69.]

[4]李虹， 婁雯. 二氧化碳排放強(qiáng)度預(yù)測(cè)與“十三五”減排路徑分析——基于STIRPAT模型的構(gòu)建[J]. 科技管理研究， 2016（5）： 233-239.[LI Hong， LOU Wen. Carbon dioxide emissions intensity forecast and path discussion to reduce emissions during the period of the 13th Fiveyear based on STIRPAT Model[J]. Science and technology management research， 2016（5）： 233-239.]

[5]ZHU-B Z， WANG K F， JULIEN Chevallier. Can China achieve its carbon intensity target by 2020 while sustaining economic growth？ [J]. Ecological economics， 2015，119：209-216.

[6]趙小敏， 付加峰. 基于CGE模型的2020年中國(guó)碳排放強(qiáng)度目標(biāo)分析[J]. 資源科學(xué)， 2011， 33（4）： 634-639.[LIU Xiaomin， FU Jiafeng. Analysis of the scenarios of Chinese carbon intensity reduction in 2020 based on the CGE Model [J].Resources science， 2011， 33（4）： 634-639.]

[7]LONG-R Y， YANG R R， SONG Malin. Measurement and calculation of carbon intensity based on ImPACT model and scenario analysis： a case of three regions of Jiangsu province[J]. Ecological indicators， 2015，51：180-190.endprint

[8]趙濤， 田莉， 許憲碩. 天津工業(yè)部門(mén)碳排放強(qiáng)度研究：基于LMDIAttribution分析方法[J]. 中國(guó)人口·資源與環(huán)境， 2015， 25（7）： 40-47.[ZHAO Tao， TIAN Li XU Xianshuo. Carbon emission intensity of Tianjin industry based on LMDIattribution Method[J]. China population， resources and environment， 2015， 25（7）： 40-47.]

[9]WANG-X， CAI Y， XU Y. Optimal strategies for carbon reduction at dual levels in China based on a hybrid nonlinear greyprediction and quotaallocation model[J]. Journal of cleaner production， 2014，83：185-193.

[10]王憲恩， 王泳璇， 段海燕. 區(qū)域能源消費(fèi)碳排放峰值預(yù)測(cè)及可控性研究[J]. 中國(guó)人口·資源與環(huán)境， 2014， 24（8）： 9-16.[WANG Xianen， WANG Yongxuan， DUAN Haiyan. Forecasting areas carbon emissions of emissions of energy consumption and controllability study[J]. China population， resources and environment， 2014， 24（8）： 9-16.]

[11]袁永娜， 石敏俊， 李娜， 等. 碳排放許可的強(qiáng)度分配標(biāo)準(zhǔn)與中國(guó)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展——基于30省區(qū)CGE模型的分析[J]. 氣候變化研究進(jìn)展， 2012， 8（1）： 60-67.[YUAN Yongna， SHI Minjun， LI Na， et al. Intensity allocation criteria of carbon emission permits and China regional developmentbased on a 30province autonomous region computable equilibrium model analysis[J]. Advances in climate change research， 2012， 8（1）： 60-67.]

[12]SU-H D. Interfuel substitution and biomass use in the US industrial sector： a differential approach[J]. Energy， 2016，102：24-30.

[13]謝守紅， 王利霞， 邵珠龍. 中國(guó)碳排放強(qiáng)度的行業(yè)差異與動(dòng)因分析[J]. 環(huán)境科學(xué)研究， 2013， 26（11）： 1252-1258.[XIE Shouhong， WANG Lixia， SHAO Zhulong. Analysis on industrial difference and motivation factor of carbon emission intensity[J]. Research of environmental sciences， 2013， 26（11）： 1252-1258.]

[14]XU-R J， XU L， XU B. Assessing CO2 emissions in Chinas iron and steel industry： Evidence from quantile regression approach[J]. Journal of cleaner production， 2017，152：259-270.

[15]XU B， LIN B Q， Assessing CO2 emissions in Chinese iron and steel industry： A nonparametric additive regression approach[J]. Renewable and sustainable energy reviews， 2017，72：325-337.

[16]LU-B， CHEN G， CHEN D M. An energy intensity optimization model for production system in iron and steel industry[J]. Applied thermal engineering. 2016，100：285-295.

[17]LI-Q， ZHANG W J， LI H Q. CO2 emission trends of Chinese primary aluminum industry： a scenario analysis using System Dynamics Model[J]. Energy policy， 2017，105：225-235.

[18]GAO-T M， SHEN L， SHEN M. Evolution and projection of CO2 emissions for Chinese cement industry from 1980 to 2020[J]. Renewable and sustainable energy reviews， 2017，74：522-537.

[19]LIU-Y， FANG K S. Economic and environmental implications of raising Chinese emission standard for thermal power plants： an environmentally extended CGE analysis [J]. Resources， conservation and recycling， 2015，3176：1-9.endprint

[20]LIN-B Q， XU C P. Reduction potential of CO2 emissions in Chinese transport industry [J]. Renewable and sustainable energy reviews， 2014，33：689-700.

[21]HAN-Y M， ZHU Q X， GENG Z Q. Energy and carbon emissions analysis and prediction of complex petrochemical systems based on an improved extreme learning machine integrated interpretative structural model[J]. Applied thermal engineering， 2017，115：280-291.

[22]CHEN-Y X， HAN Y M， ZHU Q X. Energy and environmental efficiency evaluation based on a novel data envelopment analysis： an application in petrochemical industries[J]. Applied thermal engineering， 2017，119：156-164.

[23]羅勝. 石化行業(yè)碳排放強(qiáng)度估算與減排對(duì)策研究[D]. 北京： 中國(guó)石油大學(xué)， 2011： 26.[LUO Sheng. Study on estimating of carbon emission intensity and measures on carbon emission reduction in petrochemical industry[D]. Beijing： China University of Petroleum， 2011： 26.]

[24]王琛. 碳配額約束對(duì)企業(yè)競(jìng)爭(zhēng)力的影響[J]. 北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)）， 2017（1）： 47-55.[WANG Chen. The impact of carbon quota constraints on the competitiveness of companies[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2017（1）： 47-55.]

[25]宣曉偉， 張浩. 碳排放權(quán)配額分配的國(guó)際經(jīng)驗(yàn)及啟示[J]. 中國(guó)人口.資源與環(huán)境， 2013，23（12）：10-15.[XUAN Xiaowei， ZHANG Hao. International experiences and lessons of carbon emission permit allocation method[J]. China population， resources and environment， 2013，23（12）：10-15.]

[26]吳潔， 范英， 夏炎， 等. 碳配額初始分配方式對(duì)我國(guó)省區(qū)宏觀(guān)經(jīng)濟(jì)及行業(yè)競(jìng)爭(zhēng)力的影響[J]. 管理評(píng)論， 2015 （12）： 18-26.[WU Jie， FAN Ying， XIA Yan， et al. Impacts of initial quota allocation on regional macroeconomy and industry competitiveness[J]. Management review， 2015 （12）： 18-26.]

[27]劉婧. 基于強(qiáng)度減排的我國(guó)碳交易市場(chǎng)機(jī)制研究[D]. 上海： 復(fù)旦大學(xué)， 2010： 79-98.[LIU Jing. Research on Chinese carbon trading market mechanism based on intensity emission reduction[D]. Shanghai： Fudan University， 2010： 79-98.]

[28]賀菊煌， 沈可挺， 徐嵩齡. 碳稅與二氧化碳減排的CGE模型[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2002 （10）： 39-47.[HE Juhuang， SHEN Keting， XU Songling. CGE model of carbon tax and carbon dioxide emission reduction[J]. The journal of quantitative & technical economics， 2002 （10）： 39-47.]

[29]郭豫媚， 陳彥斌. 中國(guó)潛在經(jīng)濟(jì)增長(zhǎng)率的估算及其政策含義： 1979—2020[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)， 2015 （2）： 12-18.[GUO Yumei， CHEN Yanbin. Estimation of Chinese potential economic growth rate and policy implications： 1979-2020[J]. Economics information， 2015 （2）： 12-18.]

[30]李娜， 石敏俊， 袁永娜. 低碳經(jīng)濟(jì)政策對(duì)區(qū)域發(fā)展格局演進(jìn)的影響——基于動(dòng)態(tài)多區(qū)域CGE模型的模擬分析[J]. 地理學(xué)報(bào)， 2010， 65（12）： 1569-1580.[LI Na， SHI Minjun， YUAN Yongna. Impacts of carbon tax policy on regional development in China： a dynamic simulation based on a multiregional CGE Model[J]. Acta geographica sinica， 2010， 65（12）： 1569-1580.]

[31]王金營(yíng)， 戈艷霞. 全面二孩政策實(shí)施下的中國(guó)人口發(fā)展態(tài)勢(shì)[J]. 人口研究， 2010， 40（6）： 3-21.[WANG Jinying， GE Yanxia. Population trends in China under the universal twochild policy[J]. Population research， 2010， 40（6）： 3-21.]

[32]李桂芝， 崔紅艷， 嚴(yán)伏林.全面兩孩政策對(duì)我國(guó)人口總量結(jié)構(gòu)的影響分析[J]. 人口研究， 2016， 40（4）： 52-59.[LI Guizhi， CUI Hongyan， YAN Fulin. Impact of the twochild policy on Chinese population[J]. Population research， 2016， 40（4）： 52-59.]endprint