鄭馨竺 張雅欣 李晉 王燦

摘要 后疫情時期的大規(guī)模經濟刺激計劃引發(fā)了人們對綠色發(fā)展可能讓位于經濟復蘇的擔憂。盡管“綠色復蘇”得到國內外廣泛的呼吁和支持，但綠色是否意味著經濟的妥協？綠色復蘇可能面臨怎樣的挑戰(zhàn)？這些問題的考量，對我國科學部署經濟發(fā)展戰(zhàn)略、完善頂層政策設計至關重要。基于疫情暴發(fā)以來的出行大數據、防疫管控措施等最新信息，構建細化經濟復蘇過程的全球疫情自適應模型，量化模擬不同復蘇方案對經濟、就業(yè)的拉動效應和碳排放影響。研究發(fā)現：以發(fā)展清潔能源和數字經濟為主的綠色復蘇方案對經濟體量的拉動效應等同，甚至超過以化石能源和重工業(yè)為主的傳統經濟刺激方案;但前者面臨的勞動力轉型挑戰(zhàn)可能拖慢經濟復蘇的進程?！熬G色復蘇”方案對我國經濟體量的拉動效應比傳統刺激方案高0.3%～14.8%，創(chuàng)造就業(yè)崗位數量變化-4%～3%，但同時需要近1億人（約為初始就業(yè)人口總量的13%）跨行業(yè)就業(yè)，其中受疫情影響較大的中、低技能勞動者占96%以上?？缧袠I(yè)就業(yè)門檻和勞動者技能瓶頸可能增加勞動力流轉匹配的時間成本，甚至帶來“結構性失業(yè)”問題和社會不平等加劇的次生傷害。認為：經濟復蘇與綠色發(fā)展本質上不是對立的單選題，而是存在共贏的可能性。對“綠色復蘇”在經濟、就業(yè)和環(huán)境三方面正向協同效益的邊界條件應有清醒認識和把握，僅僅關注經濟拉動效應和創(chuàng)造就業(yè)崗位總量的潛在效益而忽視實現該理論效益的現實條件，可能會造成對經濟刺激方案選擇的誤判。加強勞動力市場的靈活性、推動社會公正轉型是提升經濟系統韌性、實現復蘇與綠色共贏的前瞻性舉措。

關鍵詞 新冠疫情;低碳轉型;數字經濟;綠色復蘇

中圖分類號 F205 文獻標識碼 A 文章編號 1002-2104（2021）02-0001-13 DOI：10.12062/cpre.20201207

2020年席卷全球的新型冠狀病毒（COVID-19）肺炎疫情直接威脅著人們的生命健康。為了阻斷病毒傳播，世界各國相繼進入疫情防控狀態(tài)，采取封鎖等相關措施，經濟活動大面積中斷。盡管封鎖措施對疫情的有效控制避免了更多的經濟損失[1]，但經濟的停擺仍然給產品供給、消費需求以及國際貿易帶來重創(chuàng)[2-3]。根據世界銀行[4]和國際貨幣基金組織[5]的數據，2020年全球GDP下降了3.5%～4.3%，是自二戰(zhàn)以來最嚴重的經濟衰退。經濟下行帶來的全球失業(yè)增長、收入減少、數百萬人陷入貧困等現實問題[6]，也給我國的經濟發(fā)展帶來了巨大的壓力。為了快速提振經濟，我國及時提出擴大內需戰(zhàn)略。2020年5月23日，習近平主席明確指示要加快形成以國內大循環(huán)為主體、國內國際雙循環(huán)的新發(fā)展格局。在新發(fā)展格局的重大戰(zhàn)略部署下，如何加強頂層設計，充分發(fā)揮復蘇政策的經濟拉動作用，促進高質量、可持續(xù)的經濟增長，是關乎國計民生之大事，也是國際社會關注的焦點。

與此同時，后疫情時期的經濟復蘇正值應對氣候變化和實現可持續(xù)發(fā)展的關鍵時期[7]。2020年9月，習近平主席在第七十五屆聯合國大會上宣布我國將提高國家自主貢獻力度，力爭于2030年前二氧化碳排放達到峰值，努力爭取2060年前實現碳中和。同年12月12日，習近平主席在氣候雄心峰會上進一步做出“到2030年，中國單位國內生產總值二氧化碳排放將比2005年下降65%以上，非化石能源占一次能源消費比重將達到25%左右”等莊嚴承諾。這些氣候承諾的兌現，與后疫情時期經濟復蘇戰(zhàn)略的選擇密切相關。由于基礎設施投資具有長期的排放鎖定效應[8-9]，現階段應對疫情的經濟刺激方案會對未來幾十年的碳排放產生深遠影響，因此堅持“綠色復蘇”成為推動高質量發(fā)展、引領全球氣候治理的必然選擇。國際社會也紛紛意識到這一點，并強烈呼吁各國政府在疫情后的經濟復蘇階段要兼顧氣候變化和可持續(xù)發(fā)展，支持低污染、更健康、清潔化的復蘇計劃[10-12]。部分研究機構同步提出“綠色復蘇”方案[13-15]。但“綠色復蘇”在多大程度上可以拉動我國經濟？是否會以犧牲經濟為代價實現綠色發(fā)展？“綠色復蘇”的過程又將面臨怎樣的挑戰(zhàn)？這些問題的考量，對我國科學部署經濟發(fā)展戰(zhàn)略、完善頂層政策設計至關重要。這些問題的回答，也將豐富重大突發(fā)事件背景下經濟復蘇與綠色發(fā)展關系的理論認識，為我國乃至全球制定“綠色復蘇”方案、實現經濟增長與低碳轉型的協同共贏提供決策支持。

1 細化經濟復蘇過程的全球疫情自適應模型

基于疫情暴發(fā)以來的出行大數據、疫情管控措施等最新信息，構建細化經濟復蘇過程的全球疫情自適應模型，勾勒以清潔能源和數字經濟為主的“綠色復蘇”情景和以碳密集型行業(yè)刺激為主的傳統經濟復蘇情景，量化比較不同刺激方案的短期經濟效益和碳排放影響。

全球疫情自適應模型的核心是自適應區(qū)域投入產出（adaptive regional input-output，ARIO）方法。ARIO方法常被用來模擬災害情境下的短期經濟沖擊[16-17]。與傳統的投入產出模型相比，ARIO方法具有兩項主要的特征：首先，ARIO方法可模擬外部沖擊對生產資料或勞動力的影響，并將這種影響帶來的生產能力受損通過產業(yè)之間的關系傳導至供應鏈上下游，突破了傳統投入產出模型一般只允許最終需求外生變化、模糊生產側供應瓶頸的局限;此外，ARIO方法考慮災害情境下的主體自適應行為，放松了列昂惕夫生產函數的“完全剛性”假設（即商品之間完全不可替代），允許企業(yè)或消費者在商品供不應求時向其他生產商尋求補貨，增強了對現實情況下供應鏈韌性的模擬能力。

所構建的全球疫情自適應模型是ARIO方法的延伸。模型在Guan等[1]的工作基礎上，根據研究問題的需要進行了如下三點擴展：①模型結構方面，細化經濟恢復模塊，開發(fā)可外源輸入各地區(qū)經濟主體在后疫情時期經濟刺激方案的模型接口。②增加環(huán)境和就業(yè)影響模塊，集成災害情境下經濟-社會-環(huán)境多維度的系統模擬。③參數設置方面，采用出行大數據、防疫管控政策等最新可得的疫情信息進行參數校準，提升模型的現實貼合度。擴展后的模型增強了對后疫情時期多元化經濟復蘇政策及其社會環(huán)境影響的模擬能力。

值得一提的是，盡管研究聚焦我國的經濟復蘇政策，但考慮到我國經濟與全球供應鏈和終端需求市場的緊密聯系，疫情全球大流行可能牽制我國經濟復蘇進程，因此模型仍然基于全球尺度進行模擬。將疫情大流行可能導致的中間環(huán)節(jié)“斷鏈”，以及各國受疫情影響的時間差異作為重要經濟背景納入分析。盡管模型不能完全精準地模擬現實世界的供需動態(tài)，但它符合生產決策與經濟鏈條的基本邏輯，可以捕捉和刻畫疫情沖擊沿著供應鏈的傳導過程以及后疫情時期經濟復蘇策略的拉動效應。模型的構建方法、數據來源和情景設置如下。

1.4.2 終端需求訂單與經濟刺激接口

終端需求訂單按照初始均衡狀態(tài)的需求比例將t時期的最終需求分配給原供應商：

在考慮經濟刺激的情景中，解除封鎖后的經濟刺激通過拉動最終需求中的投資或刺激消費等影響經濟產出。經濟刺激政策目標部門的最終需求將在“自適應”的恢復水平基礎上，額外增加一定量的經濟刺激MSshi以拉動需求：

1.6 數據來源

模型的參數設置與數據來源如表1所示。其中，全球供應鏈數據采用最新可得的全球多區(qū)域投入產出數據庫EXIOBASE 3.7[18]。該數據庫提供了2015年全球49個地區(qū)163個生產部門相互之間以及與最終需求之間的年度貨幣交易量，地區(qū)信息及部門信息見數據庫網站（https：//www.exiobase.eu/）?？紤]到企業(yè)決策的響應時間和疫情發(fā)展規(guī)律，模型以周為步長運行。為了匹配運行步長，將年度數據除以52周，換算成平均每周各個部門的生產水平和交易情況，它反映了生產消費的均衡狀態(tài)（即疫情前的初始水平）。此外，各地區(qū)各行業(yè)的直接碳排放數據和就業(yè)需求數據也來自該數據庫。CO2排放的統計口徑包括燃料燃燒和水泥生產等非燃燒過程。EXIOBASE 3.7將勞動力需求按照技能水平劃分為高、中、低三類（按照這一劃分，2015年我國就業(yè)人口中高、中、低勞動力人口的比例分別為7%、75%、18%）?；谶@一劃分，進一步探討不同政策情景對勞動力需求結構的影響。

為了使疫情對供給側沖擊的模擬更加貼近現實，使用各國實際的封鎖開始和持續(xù)時間數據[19]校準關于管控范圍和時間的參數。對于封鎖狀態(tài)下勞動力的可獲得性和運輸能力，采用谷歌出行大數據[20]中關于居民工作出行的統計，并參考Guan等[1]的研究對不同部門設差異化的敏感性系數。谷歌出行大數據[20] 按照目的地將居民出行劃分為六類：零售休閑、雜貨店和藥店、公園、住宅、交通樞紐、工作場所。采用前五類出行數據校準原模型中的對應行業(yè)的終端需求變化。其余未匹配行業(yè)的需求變化按出行數據的平均水平計算。由于谷歌出行數據不包含我國，考慮到我國管控措施的嚴格程度，我國封鎖階段的出行變化情況按照其他國家在封鎖時期（相同的疫情發(fā)展階段）出行變化的最嚴格水平計算。

1.7 情景設置

構建了三類經濟復蘇情景，一是不采取任何經濟刺激方案的基準情景（Business as usual， BAU），二是以化石燃料和傳統碳密集型行業(yè)刺激為主的傳統復蘇情景（Traditional economy stimulation， TES），三是以清潔能源和數字經濟為導向的“綠色復蘇”情景。其中，第三類情景進一步細分為兩組情景，分別是以發(fā)展清潔能源為主的低碳復蘇情景（Low carbon stimulation， LCS）和能源清潔化與經濟數字化并行的疊加情景——低碳數字經濟情景（Low-carbon & digital economy stimulation， LDS）。除了基準情景不設置政策擾動，模擬經濟系統的自行恢復過程之外，其他三種情景均設置5×104億元的經濟刺激總量，并假設在年底前完成資金投放。不同經濟復蘇方案的差異體現在對不同行業(yè)最終消費和投資的刺激上。具體情景設定如表2所示。

為了驗證“綠色復蘇”情景的低碳效益，對低碳刺激方案的長期排放影響進行了說明性的計算?？紤]到低碳情景與傳統情景的差異主要體現在能源行業(yè)投資方面，這里采用因子系數法核算能源投資的長期排放影響。參考Tong等[8]的研究，按照每萬元火電投資長期排放258 tCO2的碳排放系數和40 a的基礎設施使用年限計算，并將能源基礎設施的全生命周期碳排放折算到目標年。此外，數字經濟的長期減排效應也得到了已有文獻的支持[21-22]。信息通信技術通過提升生產效率和轉變消費模式，助力節(jié)能減排。

除了方案的選擇，經濟復蘇時間也可能對模型模擬結果有顯著影響，研究進一步對勞動力恢復速率和經濟刺激時間這兩個關鍵參數進行敏感性分析。其中，勞動力恢復速率設置每周恢復2%、4%、6%和8%四種可能;經濟刺激時間考慮封鎖解除后立即執(zhí)行、解封4周、解封8周和解封12周執(zhí)行四種可能。情景交叉疊加后每種刺激方案下生成16套子情景，三類經濟復蘇方案共計48套子情景。

2 不同復蘇情景的經濟拉動效應與碳排放影響

2.1 “綠色復蘇”具有同等甚至更強的經濟拉動效益

就經濟拉動體量而言，“綠色復蘇”方案的效果等同甚至超過了傳統復蘇方案。模擬結果顯示，若采用以化石燃料和重工業(yè)為主的傳統經濟刺激情景（TES），每百萬元投入可拉動251萬～288萬元的總產出變化和109萬～125萬元的增加值變化。與傳統復蘇方案相比，以清潔能源發(fā)展及其配套基礎設施投資為主的低碳刺激情景（LCS）和清潔能源轉型與數字經濟發(fā)展并行的低碳數字經濟情景（LDS）表現出更優(yōu)的乘數效應。低碳刺激情景（LCS）下，每百萬元的經濟刺激投入可以拉動258萬～300萬元的總產出變化和111萬～130萬元的增加值變化，與傳統情景的差異在0.3%～5.1%左右。此時受拉動效應影響最大的五個部門依次為建筑業(yè)、機械設備制造業(yè)、電氣和電子設備制造業(yè)、鋼鐵和鐵合金制造業(yè)、運輸設備制造業(yè)。若采用低碳數字經濟情景（LDS），每百萬元的經濟刺激可以帶動250萬～324萬元的總產出變化和108萬～140萬元的增加值變化，平均拉動水平比傳統情景高1.1%～14.8%。該情景下，受益最大的五個部門分別是建筑業(yè)、電氣和電子設備制造業(yè)、通信設備制造業(yè)、電腦及軟件開發(fā)行業(yè)、鋼鐵和鐵合金制造業(yè)。

進一步地核算發(fā)現（圖1），用于擴大內需和增加投資的直接經濟刺激量如果按照5×104億元計算（占我國2019年GDP總量的5%左右），傳統情景下疫情造成的GDP損失絕對量約5.3×104億～9.7×104億元，“綠色復蘇”情景下GDP損失與之相近，約為5.1×104億～8.8×104億元，損失量較傳統情景減少了4%～11%。從經濟恢復時間來看，幾種情景均在7月初恢復到疫情前的經濟水平。但值得注意的是，這里的模擬隱含著“勞動力完全自由流動”的理想化假設，這可能使我們高估了經濟刺激情景提振經濟的速率?？紤]到現實情況下勞動力流轉匹配的問題，有別于傳統勞動力結構的“綠色復蘇”情景可能面臨經濟重啟速度的放緩。

2.2 “綠色復蘇”短期內同樣導致碳排放回彈

除了經濟拉動效應，大規(guī)模經濟刺激計劃的潛在氣候影響也是關注的熱點之一[23-24]。盡管疫情期間人類活動的減少顯著抑制了能源使用和溫室氣體排放，但這種由生產消費中斷帶來的環(huán)境效益改善只是暫時的[24-27];研究推測，隨著封鎖的解除，工廠的重新開工和龐大經濟刺激計劃的推出，碳排放可能出現報復性反彈[27]?；谌蛞咔樽赃m應模型的模擬結果證實了這一推測，并量化了不同刺激方案下碳排放報復性反彈的規(guī)模。從圖2可以看出，三種經濟刺激方案（TES、LCS和LDS）短期內都會造成排放回彈，且超過疫情前水平。即使是體現能源清潔化的“綠色復蘇”情景（LCS和LDS），也未能避免短期內碳排放回彈的趨勢。出現這一現象的可能原因是低碳轉型短期內需要配套基礎設施建設，這一過程伴隨著大量的能源需求，從而導致碳排放的增長。

進一步地核算發(fā)現，傳統情景的碳排放強度（單位產出的碳排放量）較疫情前出現顯著提升，增幅約9%～11%;“綠色復蘇”情景的碳排放強度上升幅度有所降低，較疫情前上升4%～6%。在同等經濟刺激量下，“綠色復蘇”情景的全年碳排放量較傳統復蘇情景減少5%左右。由此可見，盡管碳排放的短期回彈難以避免，但“綠色復蘇”情景仍然具有一定的“低碳”特征和優(yōu)勢。這與該情景下重點發(fā)展的行業(yè)大多都是清潔能源或能源效率較高的高端信息技術產業(yè)相吻合。此外，對傳統情景和“綠色復蘇”情景的長期排放影響進行說明性的計算，結果發(fā)現：與大力發(fā)展清潔能源的低碳情景相比，傳統高碳行業(yè)投資可能導致2020—2035年額外增加40 Gt的CO2。這一結果進一步驗證了“綠色復蘇”情景的長期減排效益。

2.3 “綠色復蘇”面臨勞動力轉型的挑戰(zhàn)

就業(yè)影響方面（圖3a），三種刺激情景的就業(yè)拉動效應相近，均可有效對抗疫情對勞動力市場的沖擊。其中，清潔能源與數字經濟并行的低碳數字經濟情景（LDS）可以創(chuàng)造的就業(yè)崗位略高于其他兩個政策情景，每百萬元資金投入可以吸納8.2～9.4人就業(yè)，比傳統情景（TES）對勞動力需求的拉動效應高2%～3%。低碳經濟情景（LCS）對就業(yè)的拉動效應略低于傳統情景，差距約為1%～4%。低碳數字經濟情景更優(yōu)的就業(yè)拉動效應主要體現在對高技能勞動力需求的拉動上，面向該群體新創(chuàng)造的就業(yè)崗位占其總拉動效應的9%，是傳統情景的1.7倍以上。

盡管從創(chuàng)造就業(yè)崗位的數量來看，“綠色復蘇”情景具有與傳統復蘇情景同等強勁的就業(yè)拉動效應，但前者在現實情況下可能受到勞動力供給與需求不匹配的限制?？紤]勞動力的行業(yè)屬性可以看出，在低碳數字經濟情景（LDS）下，近1億人需要跨行業(yè)就業(yè)，約占全國初始就業(yè)水平的13%。在這些需要跨行業(yè)就業(yè)的人群中，中低技能人群占到96%以上，這進一步增加了跨行業(yè)就業(yè)帶來的技能挑戰(zhàn)。事實上，與高技能勞動力需求的波動相比，中低技能群體在此次疫情中受沖擊更大（圖3b）?；鶞是榫跋拢械图寄艿膭趧恿π枨笙陆导s19%～27%，而高技能勞動力需求僅下降15%～18%。由于中低技能群體在我國體量大（中低技能勞動力數量占勞動力市場的90%以上），其受疫情影響的就業(yè)人數是高技能勞動力的18倍，呈現影響大、范圍廣的特點。而受限于技能水平和跨行業(yè)的技術門檻，中低技能群體面臨巨大的技能升級挑戰(zhàn)。如果這一挑戰(zhàn)在短時間內得不到有效解決，則可能出現“結構性失業(yè)”問題，從而拖慢經濟復蘇的進程，加劇社會不平等風險。

2.4 模擬結果對經濟重啟時間的敏感性分析

考慮到經濟重啟時間的早晚可能影響模型模擬的結果，針對表征經濟重啟時間的兩個重要參數即勞動力恢復速率和經濟刺激時間，進行了敏感性分析。其中，勞動力恢復速率反映供給側的復蘇情況，經濟刺激時間影響需求側的復蘇進程。

具體來看（圖4），若勞動力供應在2020年10月恢復到疫情前水平（勞動力平均恢復速率為每周增加2%），全年的經濟產出損失量在13.5%到24.9%之間。若勞動力供應在7月恢復到疫情前水平（平均恢復速率達到每周增幅4%），經濟損失量在8.7%到18.8%之間。此時，進一步加快勞動力恢復速率，雖然也能減少更多的經濟損失，但差異不再顯著。當恢復速率從4%增加至6%，再進一步增加至8%時，經濟損失量只分別減少0.8%和1.1%。這種非線性的響應關系主要是由于在勞動力恢復非常慢時（2%的增長率情景），生產能力不足和供給瓶頸是限制經濟復蘇的主要因素（2020年9月以前）。而當勞動力恢復速率達到4%及以上時，國家經濟的主要限制因素在2020年6月下旬之后即從供給側轉向需求側。此時，需求疲軟是限制經濟增長的主要因素，勞動恢復速率的進一步提高未能直擊經濟復蘇的痛點，可能出現“復工不復市”的局面。經濟刺激時間方面，這種非線性響應依然存在。但與勞動力恢復速率的影響相比，啟動經濟刺激的時間先后對經濟損失的影響不大。

從經濟拉動體量來看，無論是何種情景，三種經濟刺激方案的拉動效應相似，但低碳情景和低碳數字經濟情景表現出更強的低碳效應（圖4）。這說明，模擬結果對于不同的經濟重啟時間而言是穩(wěn)健的。需要說明的是，關于經濟重啟時間的一些參數設置可能與現實情況差距較遠（例如2%的勞動力恢復速率低于我國實際復工復產的速度），這里模型模擬的目的不是為了準確預估經濟損失量，而是分析不同的參數設置對模型模擬結果的影響，進而探討不同的政策情景對經濟和碳排放的影響。

3 關于后疫情時期“綠色復蘇”的政策建議

3.1 長遠布局，堅定“綠色復蘇”決心

長久以來，社會經濟指標和環(huán)境效益的反差[25]造成了“綠色發(fā)展與經濟復蘇是對立關系”的思維定勢。盡管國內外政府官員、非政府組織、研究機構和學術界強烈呼吁“綠色復蘇”并達成廣泛共識，但綠色刺激計劃對我國經濟的短期拉動效應究竟如何尚不清楚。綠色是否意味著經濟效益的妥協？綠色發(fā)展與經濟復蘇是對立還是共贏？針對這些問題的研究發(fā)現，短期經濟重振和長期綠色轉型并不是互斥的單選題，而是存在共贏的可能性。與傳統的刺激碳密集型重工業(yè)和化石燃料行業(yè)的經濟復蘇方案相比，面向清潔能源和數字經濟的低碳刺激方案對經濟和就業(yè)具有同等水平、甚至更優(yōu)的拉動效應。

這一研究發(fā)現與近日國外的兩項研究成果達成了初步共識。牛津大學聯合諾貝爾經濟學獎獲得者對來自53個國家/地區(qū)的財政部和中央銀行官員和專家進行了訪談，結果發(fā)現：一些促進可再生能源或能效提升的綠色項目在帶來碳減排效益的同時，也能比化石能源投資獲得更多的短期經濟回報，并且創(chuàng)造更多的就業(yè)機會[11]。麥肯錫對歐洲國家刺激方案的分析表明，調動750億～1 500億歐元的資本可以產生1 800億～3 500億歐元的總增加值，創(chuàng)造多達300萬個新的就業(yè)機會，并能夠使2030年碳排放減少15%～30%[28]。契合我國國情的模擬證實，單純地就拉動效益的體量而言，綠色刺激方案在經濟、就業(yè)和環(huán)境領域的協同效益確實存在。經濟復蘇與綠色發(fā)展共贏的可能性堅定了我國“綠色復蘇”的決心。早期謀劃、長遠布局，加速推進能源清潔化，保持數字經濟發(fā)展勢頭，是我國實現經濟復蘇和長遠氣候目標的最優(yōu)選擇。

3.2 強化引導，把握綠色投資機會

認識到經濟復蘇與綠色發(fā)展存在共贏的可能性只是第一步，如何克服阻礙、推動政策落地是關鍵。受到慣性思維的影響，地方政府在后疫情時期容易走上依賴傳統碳密集型基建投資提振經濟的老路。僅2020年3月，我國獲批的新建燃煤電廠裝機容量就超過了2019年全年的數量。盡管中央政府及時叫停了通過投資碳密集型行業(yè)提振經濟的做法，也通過不設2020年經濟增長目標和宣布碳中和愿景傳達了正確的信號，但真正突破傳統思維慣性，發(fā)揮數字經濟和清潔能源轉型的新動能，還需要國家、地方政府和企業(yè)齊心協力、統籌規(guī)劃。

不可否認，受到經濟復蘇的影響，短期內的能源消費增加和碳排放回彈難以避免。即使是低碳情景下的新型基礎設施投資，也需要消耗大量電力。短時間內激增的用電需求很難通過可再生能源滿足，因此仍然需要依賴燃煤發(fā)電保障電力供應安全。事實上，這種由“新基建”驅動的煤電裝機規(guī)模擴張和碳排放回彈現象在疫情出現之前已經初現端倪[29]。為了突破這一困境，一方面需要警惕煤電盲目擴張帶來的長期碳排放鎖定[9]，通過優(yōu)化電力供應結構和需求側響應等方式解決電力缺口問題[30]。另一方面，需要加快煤電企業(yè)的深度脫碳，爭取實現燃煤電廠的“近零排放”。電力企業(yè)和投資者需有獨立的判斷力，把握綠色投資機會，打破以環(huán)境效益換取經濟利益的短視思維，避免錯誤投資造成資產擱淺。

后疫情時期巨大流量的公共資金為綠色轉型提供了重要投資機遇。國際上，多國政府出臺了大規(guī)模的經濟救助與刺激計劃，涉及數萬億美元的資金投入。其中，歐盟、德國、英國已經明確提出經濟刺激計劃的綠色比例——其刺激計劃資金的10%～38%將用于節(jié)能建筑翻新、電動和鐵路交通、氫能等可再生能源和碳捕獲與封存技術的研發(fā)等氣候友好型領域。我國經濟復蘇聚焦的七大新基建領域也蘊含著豐富的綠色元素。伴隨著國家綠色發(fā)展基金的成立，更多依托綠色投融資的資金解決方案呼之欲出。但真正打通政策落地的最后一公里，推動綠色產業(yè)的發(fā)展，還需充分發(fā)揮地方政府的引導作用，優(yōu)化資金分配方案，制定綠色項目支持措施，完善風險收益共擔機制，激發(fā)政府資金帶動社會和民間資本的潛能。

3.3 助力紓困，推動社會公正轉型

既然“綠色復蘇”計劃對經濟的拉動效應等同，甚至超過傳統的高碳刺激方案，為何長久以來人們一直有著相反的認知？進一步的模擬發(fā)現，“綠色復蘇”面臨的勞動力轉型困難和跨行業(yè)技能門檻可能是形成這一認知的主要原因之一。經濟的重啟一方面要追求體量的增長，另一方面也要求重振經濟的恢復速度。盡管綠色復蘇在經濟體量的拉動效應上具有優(yōu)勢，但其對勞動力結構轉變的需求可能拖慢經濟恢復的速度。從傳統的重工業(yè)轉向低碳行業(yè)就業(yè)，對勞動者技能和知識提出了更高的要求，從而可能造成企業(yè)人才需求和勞動者技能不匹配的問題，甚至導致“結構性失業(yè)”。由于技能屏障短期內難以突破，勞動力流轉匹配也需要耗費時間，因此“綠色復蘇”情景在現實情況下的經濟拉動效果可能受限。

這一問題的存在提醒我們，對“綠色復蘇”在經濟、就業(yè)和環(huán)境三方面正向協同效益的邊界條件應有清醒認識和把握。目前國內外對“綠色復蘇”的呼吁一定程度上弱化了這一過程中可能面臨的勞動力轉型挑戰(zhàn)。僅僅關注經濟拉動效應和創(chuàng)造就業(yè)崗位總量的潛在效益而忽視實現該理論效益的現實條件，可能會造成對經濟刺激方案選擇的誤判。在后疫情時期和我國脫貧攻堅全面勝利的當下，重視并積極解決這一問題尤為重要。疫情的全球蔓延已經暴露了社會深層的不平等問題，低收入者和中小企業(yè)舉步維艱，持續(xù)低迷的經濟也降低了人們對社會不平等的容忍度。在此背景下，能源變革帶來的“結構性失業(yè)”無疑雪上加霜。為了維護國家的穩(wěn)定，保障民生福祉，能源的綠色變革亟須重視潛在的社會不平等隱患。

從短期來看，實現經濟快速重啟與綠色發(fā)展的共贏需深入分析不同綠色復蘇方案的勞動力需求結構，優(yōu)選與現階段勞動力供給匹配度高、現有人力資源能夠快速適應的發(fā)展方案，嚴防由于“結構性失業(yè)”而導致的次生傷害。對勞動力結構性需求的考量，是打破關于綠色復蘇“呼吁大于行動”局面的突破口，也是回應民生關切，直擊綠色轉型痛點，激發(fā)地方政府綠色發(fā)展動力的重要切入點。重視基礎設施建設的新老銜接，推動社會公正過渡，是順利度過低碳和數字轉型窗口期的必然要求。

從中長期來看，增強就業(yè)市場靈活性，推動公正轉型是化解這一困境的有效途徑。具體做法包括：①加大經濟扶持，通過建立健全綠色金融體系和支付轉移機制，結合當地的實際發(fā)展需要，投資具有地方特色的綠色產業(yè)，拉動當地經濟，創(chuàng)造就業(yè)機會。②完善制度保護，完善最低生活保障、失業(yè)保險等社會保障制度，關注能源轉型過程中農民工群體的切身利益，彌合城鄉(xiāng)社會保障差異，打破勞動力跨區(qū)域流動的政策壁壘，減少外出務工人員跨區(qū)域就業(yè)的流動成本。③實施就業(yè)培訓，開展職業(yè)技能培訓助力失業(yè)工人轉崗再就業(yè)，重啟學徒計劃，培養(yǎng)企業(yè)家精神，推動人力資源從高碳行業(yè)向綠色部門的“跨界”流動，提升勞動力市場靈活性和對需求變化的適應能力。④深化“人才強國”戰(zhàn)略，摸清人才結構與儲備情況，厘清新時代人才能力需求體系和建設思路，識別人才結構優(yōu)勢與短板，全面部署低碳發(fā)展和數字人才戰(zhàn)略。勞動力市場的變革，可能需要歷時數十年。歷時之久意味著需未雨綢繆。推動這一變革是打造更有韌性經濟體的前瞻性舉措，是助力國家更從容地應對流行病、地緣爭端、政治動蕩和其他不可預見事件的提前戰(zhàn)略部署。

4 結論與展望

長久以來，人們接收或感知到的信息都是“數字化和低碳轉型的短期經濟拉動效應不如化石能源和重工業(yè)”，這一認識可能讓地方政府在后疫情時期陷入氣候和環(huán)境效益需讓位于經濟復蘇的思維定式。然而，通過全面的模擬和核算，發(fā)現相反的結論：低碳化和數字化轉型對經濟的短期拉動效應不僅與碳密集型行業(yè)投資的拉動效應相當，前者的效果甚至超過后者。尤其是體現數字經濟趨勢的“綠色復蘇”情景，其對經濟的拉動效應比傳統刺激情景高0.3%～14.8%，創(chuàng)造就業(yè)崗位變化-4%～3%。真正可能拖慢經濟恢復速率的不是低碳化和數字化的經濟拉動能力，而是這一過程中面臨的勞動力轉型等現實挑戰(zhàn)。在低碳數字經濟情景下，近1億人需要跨行業(yè)就業(yè)，其中中低技能人群占96%以上?？缧袠I(yè)就業(yè)門檻和技能瓶頸可能帶來中低技能人群“結構性失業(yè)”的次生傷害，從而增加社會不平等風險。

為了應對這一挑戰(zhàn)，短期而言，優(yōu)選與勞動力供給結構匹配度高、人才市場能夠快速適應的綠色刺激方案是實現經濟復蘇與綠色發(fā)展共贏的可行路徑。長遠來看，全面部署公正轉型戰(zhàn)略、加強勞動力市場的靈活性，推動人才培養(yǎng)體系改革，是應對突發(fā)性災害事件、提升經濟韌性的正確思路。此外，值得警醒的是，盡管“綠色復蘇”具有積極的長期氣候效益，但短期內仍然與傳統刺激方案一樣面臨著能源需求激增和碳排放回彈的問題。提前部署碳排放增長的應對策略，加快煤電企業(yè)的深度減排也是當前形勢下的緊迫任務之一。

盡管困難重重，但值得欣喜的是，經濟復蘇和綠色發(fā)展本質上并不互斥。面向清潔能源和數字經濟的“綠色復蘇”計劃，可以在拉動經濟體量的同時，引領我國走向更清潔、可持續(xù)的氣候道路。后疫情時期，經濟復蘇的短期應對策略應與中長期綠色發(fā)展戰(zhàn)略相統一，提前謀劃，長遠布局，打造應對公共衛(wèi)生突發(fā)事件和氣候變化的雙韌性?！熬G色復蘇”是對生態(tài)文明理念的踐行，契合國家的經濟發(fā)展需求，也為全球經濟的復蘇提供了參考路標。當下的中國應把握歷史的機遇，打破傳統思維定式，推動經濟復蘇與綠色發(fā)展的協同共贏。

參考文獻

[1]GUAN D， WANG D， HALLEGATTE S， et al. Global supply-chain effects of COVID-19 control measures[J]. Nature human behaviour， 2020， 4（6）： 577-587.

[2]劉世錦， 韓陽， 王大偉. 基于投入產出架構的新冠肺炎疫情沖擊路徑分析與應對政策[J]. 管理世界， 2020， 36（5）： 1-12，51，263.

[3]DUAN H， WANG S， YANG C. Coronavirus： limit short-term economic damage[J]. Nature， 2020， 578： 515.

[4]The World Bank. Global economic prospects[R]. 2021.

[5]IMF. World economic outlook update [R]. 2021.

[6]ANSER M K， YOUSAF Z， KHAN M A， et al. Does communicable diseases （including COVID-19） may increase global poverty risk： a cloud on the horizon[J]. Environmental research， 2020， 187： 109668.

[7]ROSENBLOOM D， MARKARD J. A COVID-19 recovery for climate[J]. Science， 2020， 368： 447.

[8]TONG D， ZHANG Q， ZHENG Y， et al. Committed emissions from existing energy infrastructure jeopardize 1.5 ℃ climate target[J]. Nature， 2019， 572： 373-377.

[9]張小麗， 崔學勤， 王克， 等. 中國煤電鎖定碳排放及其對減排目標的影響[J]. 中國人口·資源與環(huán)境， 2020， 30（8）： 31-41.

[10]GAWEL E， LEHMANN P. Killing two birds with one stone： green dead ends and ways out of the COVID-19 crisis[J]. Environmental and resource economics， 2020. doi：10.1007/s10640-020-00443-y.

[11]HEPBURN C， OCALLAGHAN B， STERN N， et al. Will COVID-19 fiscal recovery packages accelerate or retard progress on climate change？[J]. Oxford review of economic policy， 2020， 36： S359-S381.

[12]李志青. 以綠色發(fā)展力促進經濟綠色復蘇[N].中國環(huán)境報， 2020-05-07.

[13]Climate Action Tracker. A government roadmap for addressing the climate and post COVID-19 economic crises[R]. 2020.

[14]ALLAN J， DONOVAN C， EKINS P， et al. A net-zero emissions economic recovery from COVID-19[R]. 2020.

[15]IEA. Sustainable recovery[R/OL].（2020-06-18）[2020-08-06].https：//www.iea.org/reports/sustainable-recovery.

[16]HALLEGATTE S. An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina[J]. Risk analysis， 2008， 28（3）： 779-799.

[17]ZENG Z， GUAN D， STEENGE A E， et al. Flood footprint assessment： a new approach for flood-induced indirect economic impact measurement and post-flood recovery[J]. Journal of hydrology， 2019， 579： 124204.

[18]STADLER K， WOOD R， BULAVSKAYA T， et al. Exiobase 3： developing a time series of detailed environmentally extended multi-regional input-output tables[J]. Journal of industrial ecology， 2018 （3）： 502-515.

[19]Aura Vision. Global COVID-19 lockdown tracker[EB/OL]. （2020-06-18）[2020-08-06].https：//auravision.ai/covid19-lockdown-tracker/.

[20]Google. COVID-19 community mobility reports[EB/OL]. （2020-06-18）[2020-08-06].https：//www.google.com/covid19/mobility/.

[21]CHEN X， GONG X， LI D， et al. Can information and communication technology reduce CO2 emission： a quantile regression analysis[J]. Environmental science and pollution research， 2019， 26（32）： 32977-32992.

[22]ULUCAK R， KHAN S U D. Does information and communication technology affect CO2 mitigation under the pathway of sustainable development during the mode of globalization？[J]. Sustainable development， 2020（4）： 1-11.

[23]HANNA R， XU Y， VICTOR D G. After COVID-19， green investment must deliver jobs to get political traction[J]. Nature， 2020， 582： 178-180.

[24]LE QUéRé C， JACKSON R B， JONES M W， et al. Temporary reduction in daily global CO2 emissions during the COVID-19 forced confinement[J]. Nature climate change， 2020， 10（7）： 647-653.

[25]LENZEN M， LI M， MALIK A， et al. Global socio-economic losses and environmental gains from the coronavirus pandemic[J]. Plos One， 2020， 15（7）： e0235654.

[26]LIU Z， CIAIS P， DENG Z， et al. Near-real-time monitoring of global CO2 emissions reveals the effects of the COVID-19 pandemic[J]. Nature communications， 2020， 11（1）： 5172.

[27]GILLINGHAM K T， KNITTEL C R， LI J， et al. The short-run and long-run effects of COVID-19 on energy and the environment[J]. Joule， 2020， 4（7）： 1337-1341.

[28]ENGEL H， ALASTAIR H， SOLVEIGH H， et al. How a post-pandemic stimulus can both create jobs and help the climate[R]. 2020.

[29]ZHANG Y， ZHENG X， CAI W， et al. Key drivers of the rebound trend of chinas CO2 emissions[J]. Environmental research letters， 2020， 15： 104049.

[30]袁家海， 張浩楠， 朱衍磊， 等. 中國電力供應安全的經濟分析與保障路徑研究[R]. 綠色和平， 2020.

（責任編輯：李 琪）