范英, 肖旭：面向新型工业化的碳定价政策与创新投入协同优化

一、 问题的提出

新型工业化是数字化、智能化、绿色化、服务化相融合的，具有时代特征和中国特色的工业现代化，而绿色低碳发展是其主要内涵之一。习近平生态文明思想是习近平新时代中国特色社会主义思想的重要组成部分，是绿色低碳发展的指导思想，也是中国实现碳达峰、碳中和目标的思想基础。由于碳排放具有典型的外部性，减排需要在提高能效、加速能源绿色低碳转型、调整经济结构和提高增长质量等方面采取行动，而碳税和碳市场等市场机制（即碳定价政策）是实现碳排放的外部成本内部化的主要机制。碳定价政策通过提高化石能源的使用成本，在提高能源利用效率和促进能源结构清洁低碳转型中发挥重要作用。 

创新是新型工业化的根本动力，是绿色低碳发展的源泉。创新活动是指通过创造新的技术、产品、服务、流程或商业模式，以提高效率、增加价值或满足市场需求的过程。创新活动是能为工业绿色低碳发展提供能源成本下降和工业能源效率提升的途径。工业高质量发展主要由创新驱动，因此需要加大研究与开发（research and development，R&D）投入，完善市场机制，发挥创新在促进绿色低碳发展和高质量增长中的作用。 

目前，中国工业的发展面临着两个关键问题。一是减排成本高，经济压力大，碳定价政策对当前经济的负面影响较大；二是创新投入的来源不足，创新资源的投入方向需要优化设计。为推动新型工业化进程，在经济高质量发展的同时实现碳达峰碳中和目标，需要统筹碳定价政策和创新政策，构建完善的政策体系。 

鉴于此，研究拟建立一个新的可计算一般均衡（computable general equilibrium，CGE）模型，尝试描述工业部门中电力部门和非电力部门的生产结构，分析创新投入驱动的创新活动在各部门生产中的作用。基于该模型，研究碳定价政策如何与创新投入相结合，如何通过创新活动缓解碳定价对国内生产总值（GDP）增长的负面影响，同时兼顾碳减排和实现高质量增长，以期得出有价值的结论和政策启示。 

二、 文献综述

研究主题聚焦综合交叉领域，涉及文献主要包括碳定价政策、创新驱动政策、一般均衡模型和模拟方法等三个方面。 

（一） 碳定价政策

碳定价政策是通过为碳排放设定价格将温室气体排放的环境成本内部化，以此激励企业和消费者减少碳排放。碳定价政策主要包含两种形式：碳税和碳排放权交易。探讨碳定价政策相关的文献主要聚焦碳定价政策机制设计、碳定价政策实施效果评估和国际碳定价政策的协同等三个方面。 

在探讨碳定价政策的减排有效性方面，大部分研究支持碳定价政策是实现低碳转型的重要政策。Jung和Song分析比较了全球范围内碳排放交易系统（emission trading scheme，ETS）的有效性，结果表明与未采用ETS的国家相比，采用ETS的国家的碳减排速度更快，采用ETS机制大大降低了这些国家的人均碳排放总量^[1]。Venmans通过回顾欧盟排放交易机制（EU ETS）有关的文献，发现在EU ETS第一阶段的碳排放减少量估计在2.50%和5.00%之间^[2]。中国于2017年开启碳市场试点，并于2021年建立了全国统一的碳市场。Gao等基于省级环境扩展投入产出表和双重差分模型（DID）评估了中国碳市场的有效性，其结果表明排放交易计划有助于试点区域和行业的减排^[3]。 

在减排政策的经济成本方面，Roncalli和Semet模拟了实施100.00美元/吨二氧化碳的全球碳税带来的收益和成本，研究发现碳税政策会产生2.18%的净成本和一定的通胀率，包括4.08%的生产者价格指数（PPI）和3.53%的消费者价格指数（CPI）的上升^[4]。Nong等采用全球气候变化政策模型（GTAP-E-PowerS）研究模拟了碳税的影响，发现在15.00美元的统一碳税下，各个地区的GDP增长都受到了不同程度的抑制^[5]。Fan等建立了一个多区域电力调度和容量扩展模型，发现低碳转型将导致电力系统成本显著增加^[6]。 

此外，有实证文章指出，碳定价政策似乎并不会带来显著的GDP损失。Löschel等实证考察了EU ETS对德国制造业企业经济绩效的影响，发现排放交易并未对经济表现出显著的负面影响^[7]。Köppl和Schratzenstaller从环境有效性和宏观经济效应的视角，研究了碳定价对竞争力和创新的影响，以及对收入分配和公众接受度的影响，发现碳税可以有效减少碳排放，或者至少抑制碳排放的增长，同时不会对经济增长、就业和竞争力产生负面影响^[8]。Nordhaus强调了碳定价的重要性，并指出适当的碳定价政策不仅可以减少碳排放，还可以通过创新活动引发的技术创新和效率提高对经济的正面影响^[9]。 

（二） 创新驱动政策

在传统的经济增长模型中，创新活动引发的技术进步被认为是劳动和资本之外的重要经济增长驱动力。Solow通过估计技术进步对美国经济增长的贡献，发现技术进步在经济增长中起到了决定性作用，技术进步对经济增长的贡献远超劳动和资本对经济增长的贡献^[10-11]。Romer提出了内生增长理论，进一步强调了技术创新和知识积累在经济增长中的重要性，技术进步的贡献是长期、持续且必要的^[12]。刘晓光和龚斌磊评估了中国自1978年以来，四十多年间生产函数的变化，分析了不同时期经济增长的主要驱动力，发现科技创新发挥了持续性的重要作用^[13]。 

有学者从模型角度对创新活动推动经济增长进行了定量研究，确定了创新活动主要通过双因素学习效应驱动生产过程成本的下降和效率的提升。在电力部门中，可再生电力成本下降受到了双因素学习效应的驱动^[14-15]。在其他工业部门生产过程中，不同阶段下“干中学”效应和“研中学”效应的重要性不同。随着国内技术水平与国际技术水平差距的缩小，“干中学”效应逐步减缓，“研中学”效应上升^[16]。在制造业中，创新活动可以通过降低能源消耗来降低生产成本。Shahbaz等使用1971—2018年中国经济的数据评估了技术进步、能源消耗和经济增长之间的联系，发现研发支出与能源消耗之间存在显著的负相关关系^[17]。 

部分研究也开始关注相关政策如何驱动创新活动。Teixidó等分析了EU ETS对低碳技术变革影响的实证文献，发现ET ETS在刺激低碳技术创新方面有较大作用^[18]。Wang等采用基于DID的倾向得分匹配模型（PSM-DID）研究了中国碳排放政策对企业技术创新的影响，结果表明，中国的碳排放政策显著促进了企业的技术创新^[19]。曹翔和苏馨儿使用双重差分法评估了碳排放权交易试点政策对碳中和技术创新的影响，结果表明，碳交易政策显著促进了试点地区的碳中和技术创新^[20]。Zhu等基于最新的专利信息和准实验设计发现中国的碳交易试点使得参与企业的低碳创新提高了5.00%～10.00%，同时并未排挤其他技术创新^[21]。 

（三） 一般均衡模型和模拟方法

CGE模型在研究政策驱动的绿色低碳转型方面拥有独特优势。CGE模型以整个经济系统为研究对象，基于投入产出表编制的社会核算矩阵表（SAM）构建，其基础是微观经济主体的优化决策行为，可以描述所有市场参与主体分散决策的宏观均衡结果，从而能够评估政策变化的直接和间接影响。因此，CGE在研究碳排放权分配^[22]60-81、碳市场^[23]、低碳技术扩散^[24]、可再生能源政策^[25]104787、环境税^[26]、低碳能源系统转型成本估算^[27]和综合政策评估^[28]等方面得到广泛应用。 

目前，部分文献开始尝试在CGE模型中描述创新活动，主要聚焦电力部门，尤其是可再生电力技术的创新和进步。Shi等通过CGE与储能技术学习模型进行连接，研究了电气化和环境政策对可再生能源装机量和储能容量的互动影响^[29]。Shi等基于开发包含电力生产技术“干中学”效应的CGE模型研究了碳税政策的效果^[30]。发现在“干中学”效应的影响下，碳税政策对经济增长的负面影响可以减少至0.12%以下。Yuan等将中国不同区域电力系统“干中学”效应纳入多区域CGE模型中，综合评估了2030年中国碳排放峰值和能源转型目标对区域经济发展的影响^[31]。此外，也有部分文献关注了其他行业的创新活动，汤维祺等将中国不同区域不同行业的“干中学”效应纳入了多区域CGE模型，研究了不同区域之间的碳排放权分配^[22]60-81。 

上述文献，从实证的角度支持了碳定价政策会通过创新投入影响最终的减排效果，可以通过创新活动引发的技术创新和效率提高对经济产生正面影响。总的来看，现有研究尚未将创新活动作为单独的部门纳入CGE框架，系统描述创新活动在不同生产部门中的作用。 

三、 模型建构

研究建立了一个新的反映创新要素和创新驱动机制的CGE模型，其包含了30个区域的动态一般均衡模型，着重描述了创新投入和碳定价政策在各部门中的流向和参与生产的过程。 

（一） 模型总体结构

加入创新驱动机制的CGE模型结构，如图1所示。该模型包括居民、政府和生产部门，以及对外贸易、投资和宏观闭合模块。

该模型新增了创新活动部门，在电力部门生产结构、非电力工业部门的生产结构中引入了创新活动投入。 

为了考察碳定价政策对工业绿色低碳发展的影响，并分析不同的碳收入分配机制对创新活动的影响，在模型中加入了碳排放模块。各行业根据能源投入产生直接碳排放，在碳定价政策下每单位碳排放拍卖获得的收入，由政府决定分配方式，可分配给居民或特定的生产部门。多种分配方案设置在情景设置中进行详细描述。 

模型包括46个部门，来自中国2017年149部门竞争性投入产出表 ^①。其中，包含了6个能源生产部门、1个创新活动部门和1个碳排放部门。其中，能源生产部门分别为煤炭开采和洗选产品、石油和天然气开采产品、精炼石油和核燃料加工品、煤炭加工品、电力、热力生产和供应及燃气生产供应；创新活动部门，对应149部门口径中的研究和试验发展、专业技术服务及科技推广和应用服务。 

（二） 考虑创新投入的电力部门生产函数

由于可再生能源主要以转化为电力进入生产与消费过程，将电力部门拆分为8种发电技术，分别为燃煤发电、燃油发电、燃气发电、核能发电、水力发电、风力发电、光伏发电和其他发电方式，其他发电方式包括生物质发电、地热发电、潮汐发电等。模型采用两层嵌套的常替代弹性生产函数描述电力投入产出结构，具体如式（1）～式（3）所示。 

第e种发电技术的投入产出函数表示为

式中：QX_e为第e种发电技术的产出；A_e为全要素生产率；QKL_e为第e种发电技术生产过程中的资本—劳动复合品投入量；QINTA_e为第e种发电技术生产过程中的中间投入品总量；δ_e为资本—劳动复合品投入量占第e种发电技术产出量的份额；ρ_e为电力生产中资本—劳动复合品投入对中间投入品总量的替代弹性。 

中间投入品总量等于各部门对该发电技术的投入加和，得到中间投入品总量的计算方程

式中：QRDINT_e为第e种发电技术生产过程中的创新活动投入量；QINT_e为第e种发电技术生产过程中的其他中间投入量。 

式（3）为电力生产过程中的创新活动投入占中间投入总量的比例。模型设定电力生产过程中的创新活动投入占中间投入总量的比例固定，可以表示为 

式中：ARD_e为该比例参数。 

作为新兴能源利用技术的可再生能源发电，其成本遵循“干中学”的成本下降规律，成为技术学习过程。参考Yuan 等的研究方法^[25]104787，将风电光伏的技术学习曲线纳入动态CGE模型的跨期优化约束条件中，可再生电力的平均成本下降曲线表示为 

式中：AC_ren,t为第t期可再生电力的平均生产成本；C_ren为初始成本，该参数可以通过投入产出数据拟合得到；KS_ren,t为第t期可再生电力的累积生产经验；lx(ren)为可再生电力的学习率。 

可再生电力生产经验累积方程表示为

式中：当期生产经验，由当期可再生电力的产量QX_ren,t表示；设定生产经验的累积过程存在一定的折旧，折旧率为γ。根据式（5），第t期的累积生产经验等于第t−1期的生产经验扣除折旧部分后加上第t期的生产经验。可再生电力的平均生产成本根据式（4）随着累积生产经验的增加而下降。需要注意的是，可再生电力生产过程中的创新投入与生产经验合成，进入累积技术生产经验中，促进可再生电力的平均成本下降，以此描述了创新投入要素对技术进步的作用。 

（三） 考虑创新投入的其他工业部门生产函数

创新活动在其他工业部门中发挥的作用与其在电力部门中发挥的作用存在一定的共性，但又不完全相同。在CGE模型中，构建了多层次嵌套的生产函数以描述创新投入在其他工业部门的作用。该生产函数包含了劳动—资本复合、化石能源之间复合、化石能源—电力复合、劳动—资本—能源复合、劳动—资本—能源—创新复合以及最终生产函数。其中，前5种复合都是通过CES生产函数描述，而最终生产函数由列昂惕夫生产函数（Leontief production function）进行描述，如式（6）～式（8）所示。其他工业部门中第i部门的投入与最终产出之间的关系表示为

式中：QX_i为第i部门的产出；QKLENSERD_i为第i部门的劳动—资本—能源—创新复合品投入量；QINTAeles_i为其他中间投入加总；δ_i,int为其他中间投入加总在产出中占比。 

劳动—资本—能源—创新复合品投入量的复合函数为

式中：A_i,rd为全要素生产率；QKLENSE_i为劳动—资本—能源复合品投入量。QRD_i为创新活动投入量；δ_i,rd为劳动—资本—能源复合品投入量占劳动—资本—能源—创新复合品投入量的比例；ρ_rd为劳动—资本—能源复合品投入量与创新活动投入量之间的替代弹性。劳动—资本—能源复合品则根据式（8）进行复合。劳动—资本—能源复合品投入量的复合函数表示为

式中：A_i,kle为全要素生产率；QENSE_i为能源复合品投入量；QKL_i为劳动—资本复合品投入量；δ_i,kle为能源复合品投入量占劳动—资本—能源复合品的比例；ρ_kle为劳动—资本复合品投入与能源复合品投入之间的替代关系。化石能源之间复合、化石能源—电力复合皆通过类似式（8）的CES函数形式进行复合，在此不予赘述。 

需要注意的是，在其他工业部门生产过程中，创新投入不仅能降低单位产品中资本投入和劳动投入，也能降低能源投入，即发挥一定的节能作用。为了突出在其他工业部门生产过程中创新投入的三重作用，研究将创新部门投入从中间投入剥离出来，并与劳动—资本—能源进行复合。在复合方程中，替代弹性较为重要，其代表了创新活动投入多大程度上能发挥其作用。根据实证文献中创新投入对劳动、资本和能源投入的下降作用，ρ_rd>1，设定为1.5。 

（四） 创新活动参与生产过程的机制

创新活动驱动技术进步和效率提高的机制可以用2个效应来刻画，即以R&D投入来衡量的知识累积（“研中学”）和以新技术累积产量增加来衡量的经验累积（“干中学”），可称为双因素学习效应。本模型将创新活动视为一个参与生产过程的独立部门，一方面，碳配额拍卖收入的一部分可以用于创新活动部门，增强“研中学”效应，实现碳定价政策与创新投入政策的协同；另一方面，在代表可再生能源的风电和光伏发电部门的技术演化规律中，将“干中学”效应引入技术学习曲线，描述了可再生能源的技术进步过程。创新活动的干中学效应已在前面两部分内容中进行了描述。 

“研中学”效应，主要是通过创新投入实现的。在一般均衡框架下，创新活动部门参与生产过程的投入产出关系由式（9）～式（10）描述。其中，创新活动的供需平衡方程表示为 

式中：QXRD为创新活动部门的产出。在等号的右侧，分别为其他工业部门生产过程中创新活动投入量加总、电力部门生产过程中创新活动投入量加总以及其他经济账户对创新活动的需求加总。QRDDE_oth为其他经济账户对创新活动的需求，包含了居民和政府对创新活动的需求。 

创新活动部门的产出与投入之间的关系表示为

 式中：A_rd为创新活动部门的全要素生产率；QKL_rd为创新活动部门的劳动—资本复合品投入量；QINTALL_rd为创新活动部门的中间投入加总；δ_rd为劳动—资本复合品投入量占创新活动产出的比例；ρ_klrd为劳动—资本复合品投入与中间投入加总之间的替代弹性。劳动—资本复合采用CES函数复合。需要注意的是，研究采用的是单国CGE模型，未考虑国际贸易带来的国际创新溢出效应。 

（五） 碳排放部门

模型中计算的碳排放来自各生产部门中对化石能源消耗的直接排放。在碳定价机制下，碳排放配额被赋予一定价格，可能是碳税，也可能是碳市场中的碳价格。研究假设碳配额以拍卖收入的形式收取。这一过程由方程式（11）～式（13）描述。 

其他工业生产部门的碳排放计算方程，计算的是生产过程中的能源消耗带来的直接排放，可以表示为 

式中：EMI_i为第i部门的直接碳排放；μ_i,ene为第i部门的第ene种化石能源的碳排放因子；QEN_i,ene为第i部门的第ene种化石能源的投入。 

在燃煤发电、燃油发电和燃气发电过程中，对应消耗的煤炭、石油和天然气带来的直接碳排放，可以表示为

式中：EMI_fir为第fir种火力发电技术的碳排放；μ_fir为第fir种火力发电技术的碳排放因子；QINTENE_fir为第fir种火力发电技术的化石能源投入。 

在指定碳价格下，政府的碳排放权拍卖所得表示为 

式中：EMIREVNEW为政府拍卖碳排放权所得碳收入；PCARBON为碳价格。政府将决定如何分配这一碳收入。

四、 数据来源与情景设置

（一） 数据来源

研究中的投入产出数据来源于中国2017年149部门竞争性投入产出表。分品种能源投入数据来源于《中国能源统计年鉴2018》。分行业劳动力投入数据来源于《中国劳动统计年鉴2018》。排放数据来源于CEADS数据库^[32]。技术学习率和技术替代率参考Duan等的方法^[33]。人口增长路径外生、人口增长设定，参考联合国发布的《世界人口展望2022》 ^②。 

（二） 模型动态化与校准

模型动态化由资本积累、劳动力增长和要素技术进步来实现。模型中基期各部门劳动力外生给定，模拟期中总劳动力人口总数外生给定，增长设定参考了联合国发布的《世界人口展望2022》 ^②。各部门劳动力分配根据相对工资决定。资本存量的变化为当期资本总存量等于上一期资本总存量加上新增资本总量减去折旧。各部门资本存量根据相对资本品价格决定。本模型中2017—2023年的模拟结果，根据这一阶段经济发展的各项实际指标和相应的投入产出关系进行了拟合校准。 

（三） 基准情景

为了探究碳定价政策对工业绿色低碳发展的影响机制以及对碳配额拍卖收入分配政策的影响，研究构造了1种基准情景和10种政策情景进行模拟分析。其中，政策情景由2种碳定价政策和5种碳收入分配政策组合而成。基准情景为现有政策情景，即将当前已经实施的绿色转型政策考虑在内。其中，GDP增长路径参考了世界银行 ^③和国际货币基金组织 ^④对中国GDP增长的预测。2017—2023年间的GDP增长率根据实际数据设定；2024—2035年年均GDP增速参考多种文献简化设置为5.00%。然而，在基准情景下未考虑碳价格，原因在于，2021年至今中国碳排放交易试点市场的配额分配主要是以免费分配为主的，研究重点考虑了在不同碳价格路径下碳配额收入的使用和促进低碳转型的作用。 

（四） 碳定价政策

研究参考全国碳排放交易市场近年来运行情况和趋势判断。例如，2024年4月24日，全国碳市场收盘价为100.59元/吨，因此将基准的碳价水平设定为100.00元/吨。 

研究探讨了2种不同的碳价格路径：第1种碳价格路径为固定价格，即2024—2035年碳价格每年均为100.00元/吨（不变价），简称“固定碳价情景”；第2种碳价格路径为逐年递增的价格，2024—2035年碳价格均价为100.00元/吨，具体设为：2024年碳价格为20.00元/吨，以后每年增加26.50%，这与逐步紧缩的碳配额政策相对应，简称“递增碳价情景”。以上碳价格对所有生产部门的碳排放征收。 

（五） 基于碳收入的创新投入政策

碳配额拍卖的收入既可以用于补偿居民，也可以用于创新活动，研究考虑了以下5种碳收入分配方式： 

1.  碳收入转移至居民

由于最终承受碳排放外部性影响的为居民，因此直接将碳收入补偿居民。 

2.  补贴生产部门

鉴于受碳定价政策冲击的主要是生产部门，将收取的碳收入以一定规则分配给碳定价政策覆盖的生产部门。这在一定程度上可以缓解其受到的碳定价冲击，减少经济损失。该情景假设，根据各部门的创新活动投入占比分配碳收入，创新投入多的生产部门可以从碳收入中获得更多支持，可以更好地发挥节能和能源替代的作用，受到碳定价政策的冲击更小。 

3.  补贴风电光伏

为了促进可再生能源发展，该情景考虑将部分碳收入用于对风电光伏进行补贴。研究假设碳收入中的2%用于补贴风电光伏，根据各发电厂的风电光伏发电量进行分配，其余98%仍然通过转移支付用于补贴居民。 

4.  补贴电力消费

为了提高电气化水平，该情景将全部碳收入用于补贴电力价格。通过补贴电力消费，可以加速工业部门电气化转型，同时提升居民消费中电力的消费比例，保障居民福利。 

5.  补贴创新活动

为了兼顾整体的创新活动和定向支持可再生能源发展，该情景将碳收入的95%用于补贴创新活动，剩余5%则用于风电光伏的补贴。这种分配方式从源头上提高了创新活动的供应水平和活跃度，也在一定程度上直接鼓励了可再生能源的发展。 

（六） 情景定义

将2种碳价格路径和5种碳收入分配方式进行组合，得到10种政策情景。政策情景设置及其名称定义，如表1所示。 

五、 结果与讨论

为了研究创新和减排政策如何协同推进经济提质增效，走出一条经济效益好、资源消耗低和科技化水平高的新型工业化道路，研究对以上10种政策情景进行了模拟。重点关注各政策情景下的经济、排放、减排成本、能源消耗、电气化水平和创新活动水平。通过模拟分析，可以得到优化的政策组合。 

（一） GDP影响

稳定的经济增长是新型工业化的重要基础。在固定碳价格路径和递增碳价格路径下，各碳收入分配政策相对基准情景的GDP增长率，分别如表2和表3所示。

 由表2可知，在固定碳价格路径下，碳定价政策在2024年对各政策情景的GDP都造成了较大的负面影响，按照GDP损失程度由小到大排列分别为：RD1<hous1<ind1<ele1ELE1>IND1>HOUS1>REN1。其中，将碳收入按一定比例分配给创新活动和风电光伏的这一分配方式更有利于技术进步和经济增长，而将碳收入补贴电力消费在后期产生了相对另外3个情景更快的GDP恢复速度。从长期来看，该种分配方式促进GDP增长的潜力相对将碳收入按一定比例分配给创新活动和风电光伏的分配方式更大。补贴风电光伏、补贴居民或补贴生产部门的分配方式虽然也能在后期提供新的经济增长，但是在抵御碳价格冲击方面表现较弱。 

由表3可知，在递增碳价格路径下，2024年20.00元/吨的碳价格配合一定的碳收入分配方式，可以显著减少碳定价对经济的负面影响甚至实现经济的小幅增长，仅补贴风电光伏和补贴电力消费两种情景产生了小幅GDP损失。各政策情景按照GDP增长程度由大到小排列分别为：RD2>HOUS2>IND2>ELE2>REN2。随着碳价格的逐步提高，各政策情景相对BAU情景产生了逐步扩大的GDP损失率。2035年相对BAU情景GDP损失率由小到大排列分别是RD2<ind2<hous2<ele2<ren2。需要注意的是，在递增碳价格路径下，将碳收入用于补贴电力消费的分配方式对经济的恢复作用不明显。这是由于补贴电力消费情景下的电力需求量增长来源于发电能源，火力发电也在其中。在递增碳价格路径下，电力部门的排放压力逐步递增，从而传导至整个经济。补贴风电光伏情景下的gdp损失率最大，这是由于可再生电力短期内的成本相对较高，“干中学”效应不能抵消成本的上涨。

总的来看，从经济增长的角度出发，无论是在固定碳价格路径还是递增碳价格路径下，将碳收入按一定比例分配给创新活动和风电光伏的分配方式与碳定价政策结合的表现最佳。将补贴风电光伏这一分配方式与碳定价政策结合的表现最差。 

（二） 碳排放

各政策情景下碳减排的效果是体现绿色化进程的重要表现。在固定碳价格路径和递增碳价格路径下，各种碳收入分配政策相对基准情景的碳排放变化，分别如表4和表5所示。

 由表4可知，在固定碳价格路径下，各情景在2024年均产生了较大幅度的碳排放量减少。按照减排效果由大到小排列分别是RD1>REN1>HOUS1>IND1>ELE1。随着时间的推移，减排效果进一步扩大，且在各政策情景的减排效果的排序中，IND1情景逐年超过HOUS1情景，其他情景排序未发生变化。在固定碳价格路径下，各政策情景的碳排放下降的驱动力主要来源于可再生电力的成本下降，其成本学习效应使其对火力发电进行了部分替代。但是，这一作用存在一定的瓶颈，因此在固定碳价格路径下减排效果增强的趋势逐步平缓。而将碳收入按一定比例分配给创新活动和风电光伏的分配方式，不仅加速了可再生电力的成本下降，还逐步提高了其他工业部门的化石能源利用效率，其减排效果最佳。 

由表5可知，在递增碳价格路径下，减排效果比较平缓，但呈现较大的逐年扩大趋势，对经济的冲击较小，各种碳收入分配方式的减排效果排序同固定碳价格路径下的各情景较为相似。在递增碳价格路径下，减排效果主要由当前的碳价格决定，可再生电力的成本下降是次要因素。因此，除了RD2外的其他政策情景的减排效果差异较小。但将碳收入按一定比例分配给创新活动和风电光伏可以发挥工业部门的减排潜力，降低工业部门对化石能源的需求。在同样的碳价格路径下，这一分配方式的减排效果更加明显。 

从碳减排的效果来看，无论是在固定碳价格路径下还是在递增碳价格路径下，将碳收入按一定比例分配给创新活动和风电光伏的分配方式，减排效果最佳；补贴风电光伏的分配方式的减排效果次之；而将碳收入补贴电力消费的减排效果最弱。 

（三） 碳减排成本

碳减排成本是表征新型工业化进程中绿色化效率水平的重要指标。根据各政策情景相对基准情景的GDP增长率和碳排放变化，可以评估宏观整体上的碳减排成本。在固定碳价格路径和递增碳价格路径下，各碳收入分配情景的碳减排成本，分别如图2和图3所示。 

由图2可知，在固定碳价格路径下，各碳收入分配政策情景下的减排成本在2024—2026年年均值较高，但在5～7年后减排成本逐渐下降并转为负值。这种变化说明，固定碳价格路径在初期具有较高的成本、较强的减排效果，而在后期实现了相对更快的经济增长。 

由图3可知，在递增碳价格路径下，前几年的减排成本较低，但随着碳价格的逐年提高，减排成本也呈现逐年提高的趋势，故对经济的压力是逐步加大的。为了直观地比较各政策情景的减排成本，研究将2024—2035年各政策情景相对基准情景的GDP损失按照每年10%的折现率贴现至2024年，除以2024—2035年间各政策情景相对基准情景的碳减排量总和，从而计算出各政策情景直至2035年的总减排成本现值。在固定碳价格路径下，HOUS1、IND1、REN1、ELE1、RD1情景的现值减排成本分别为29.86元/吨、71.71元/吨、74.47元/吨、28.08元/吨、−22.95元/吨；而在递增碳价格路径下，HOUS2、IND2、REN2、ELE2、RD2情景的现值减排成本分别为118.37元/吨、117.71元/吨，133.70元/吨、132.73元/吨、66.43元/吨。 

从减排成本有效性的角度来看，将碳收入按一定比例分配给创新活动和风电光伏的分配方式的减排成本最低，成本有效性最高。这主要是由于创新部门既能加速可再生电力成本下降，也可以提高其他工业部门的能效水平。这可以大幅降低减排成本，而单一对风电光伏补贴和对生产部门补贴只能部分发挥创新部门的作用。将碳收入用于补贴电力消费的方式也存在一定的成本下降潜力，这是由于在电力消费补贴下电力的成本优势对传统能源产生了挤出效应，并从需求端拉动了可再生电力增长，推动可再生电力基于“干中学”效应的减排成本下降。总之，补贴风电光伏的分配方式的减排成本最高，成本有效性最低。 

（四） 一次能源需求总量与结构

资源消耗低和能源结构清洁化是新型工业化的内在要求。在各政策情境下2025年和2035年一次能源需求量和一次能源结构，如表6所示。在固定碳价格路径下，可以发现在各政策情景下均能促进节能。在2035年，各政策情境的GDP增速相较BAU情景更高的情况下，各政策情景的一次能源需求总量较BAU情景更低。其中，节能效果最佳的是补贴创新活动的情景，能源强度相对2017年下降最明显。其他政策情景，根据节能效果由强到弱，依次是REN1、HOUS1、IND1、ELE1。这主要是由于补贴电价后，电力投入成本降低，工业部门更倾向用电力替代化石能源，导致节能效果不佳。在递增碳价格路径下，以上结论仍然成立。 

从能源结构的角度来看，各政策情景在节能的同时也进一步降低了煤炭占比，提高了可再生能源占比。在固定碳价格路径下，各政策情景对能源低碳转型的效果由强到弱排序分别为RD1>REN1>HOUSE1>IND1>ELE1。在递增碳价格路径下，以上结论仍然成立。 

一方面，创新活动能提高工业部门的能源效率，降低单位产出的能源需求量；另一方面，创新活动能促进可再生能源成本下降，提高可再生能源的成本优势。创新要素的引入可以进一步放大碳定价政策在节能减排方面的效果，因此，从一次能源需求和结构的角度来看，将碳收入按一定比例分配给创新活动和风电光伏的分配方式，其节能效果和促进可再生能源发展的效果最佳。此外，对居民的补贴会拉动终端能源消费的增长，缓解碳定价政策下能源成本上升带来的消费者福利损失。直接的能源需求增长同时带来终端能源消费中化石能源和电力需求的增长。由于可再生电力的发电成本较高，增长的电力需求会在一定程度上增加火力发电的需求。因此，补贴风电光伏的分配方式，具有较好的节能和促进可再生能源的效果。而将碳收入用于补贴电力消费可以促进终端能源消费中的电力需求，同时也会带来工业生产过程中电力需求的增加。但是增加的电力需求也会相应地促进火力发电的产出。因此，将碳收入用于补贴电力消费的节能效果和促进可再生能源效果相对较弱。 

（五） 电气化水平

新型工业化的另一个特征，是电气化水平的提升。将电力消费占总能源消费的比例定义为电气化水平。在固定碳价格路径和递增碳价格路径下，各碳收入分配政策相对BAU情景的电气化水平变化，分别如表7和表8所示。 

由表7可知，在固定碳价格路径下，各政策情景的电气化水平相对BAU情景均有大幅提升。其中，补贴创新活动情景下电气化水平提升最高；补贴风电光伏情景下电气化水平提升效果次之。类似地，由表8可知，在递增碳价格路径下，补贴创新活动情景下电气化水平提升效果最明显。此外，各政策情景在递增碳价格路径下，电气化水平的提升效果随着碳价格的上涨而逐步增强。 

综上可知，直接将碳收入用于补贴电力消费虽然可以有效提高电气化水平，但这一方式相比其他补贴方式的作用有限。原因在于，补贴电力消费不仅补贴了可再生电力，也补贴了受碳定价政策影响的化石能源电力。因此，更有针对性地将碳收入用于补贴风电光伏，可以更进一步提升电气化水平。而碳收入按一定比例分配给创新活动和风电光伏的分配方式，可以在节能减排的同时大幅提高电气化水平，这一促进作用会随着碳价格的提升而提升。这是由于，一方面，创新活动促进了其他工业部门的节能，减少了化石能源在工业生产中的需求；另一方面，创新活动可以加速可再生电力的成本下降。综合因素下，这一分配方式可以更加有效地提高电气化水平。 

（六） 创新活动水平

在同时实施碳定价政策和创新投入政策的各情景中，创新部门的产出是一个直接反映新型工业化水平的重要指标。在固定碳价格路径和递增碳价格路径下，各政策情景相对BAU情景的创新活动产出变化，分别如图4和图5所示。 

由图4可知，在固定碳价格路径下，各政策情景均对创新活动产出、产生了不同程度的影响。在补贴电力消费和补贴创新活动的情景下，正向促进了创新活动产出的增加；而在其他政策情景下，反而抑制了创新活动产出的增加。这是由于，尽管与BAU情景相比，各政策情景下可再生能源比例有所增加，但电力整体产出和其他工业部门产出受到碳定价政策的冲击而减小。在补贴电力消费情景下，对电价的补贴提高了电价的成本优势，既缓解了其他工业部门受到的燃料成本冲击，也缓解了创新活动受到需求萎缩的影响。而在补贴创新活动情景下，直接对创新活动部门的补贴大幅提高了该部门的活动水平。以上政策情景下创新活动部门随着经济的复苏，其活动水平逐渐提高。例如，在2035年所有政策情景下创新活动部门的产出均高于基准情景。 

由图5可知，在递增碳价格路径下，2024年各碳收入分配政策情景的创新活动产出受到冲击的趋势与固定碳价格路径下的类似。然而，在补贴生产部门情景下，创新活动部门的产出反而有所增加。随着碳价格的逐步推高，经济增速的减缓也逐渐影响了各政策情景下的创新活动部门的产出。例如，在补贴生产部门情景下，创新活动部门在2035年的产出逐渐下降。这一现象在创新活动部门产出水平增长较快的补贴创新活动情景和补贴电力消费情景中同样出现。此外，在其他政策情景中出现了在更高碳价格下创新活动部门的产出低于基准情景的现象。 

综上所述，将碳收入按一定比例分配给创新活动和风电光伏的分配方式，可以在节能减排的同时提高创新活动部门的产出水平。创新活动是降低工业生产过程成本和能源消耗的重要渠道，对创新活动部门的支持会直接反馈至电力部门和其他工业部门。一方面，创新活动能够加速可再生电力成本下降；另一方面，创新活动产出的增加能够进一步提高其他工业部门的节能水平和电气化水平。而创新活动的产出门槛较高是限制创新部门发挥加强碳定价政策作用的主要因素，对创新部门补贴能直接降低创新活动成本，相较提高对创新部门的需求，能够更有效地提高创新活动水平。 

六、 结论与启示

本研究构建了包含创新要素和创新活动部门的动态CGE模型，在生产函数中引入了创新投入，在电力部门中描述了创新活动对于可再生电力成本下降的促进作用，在其他工业部门中描述了创新活动在降低生产成本和提高能源效率方面的作用，同时也指出了创新活动部门的投入产出结构与供需均衡关系。此外，基于2种碳定价政策和5种碳收入分配政策，组合设置了10种政策情景。结合新型工业化的主要特征，从经济、碳排放、减排成本、能源消耗、电气化水平和创新活动水平等维度对各政策组合的效果进行了模拟分析和比较，得出以下五个结论： 

第一，减排政策和创新投入政策的协同优化，可以加快低碳技术进步，大幅降低各部门的减排成本和社会减排成本。通过将碳配额拍卖收入按一定比例用于创新投入和风电光伏，不仅可以在一定程度缓解碳定价对经济带来的负面影响，还具有促进GDP增长的潜力。 

第二，减排政策和创新投入政策的协同可以在有效促进节能的同时加速能源结构清洁化和电气化转型。将碳收入按一定比例分配给创新活动和风电光伏，可以降低全社会一次能源需求总量，且该节能效果并不会降低可再生能源的比例和电气化水平。 

第三，直接对创新活动进行补贴比对创新活动的需求进行补贴更重要。对风电光伏补贴、电力消费补贴和生产部门补贴这三种方式都加大了电力部门和其他工业部门对创新部门的需求，从需求侧拉动了创新部门的活动产出。而直接对创新活动补贴，降低创新部门产出门槛可以主动发挥创新部门在可再生电力成本下降和工业部门能耗降低的作用。 

第四，碳定价政策与创新政策具有相互促进的正向反馈效果。加大创新投入可以通过技术进一步降低节能和可再生能源的成本，推动绿色低碳转型；同时，碳定价政策可以将碳拍卖的收入用于创新活动，加速技术进步。在各情景下，将碳收入按一定比例分配给创新活动和风电光伏，可以进一步促进创新活动部门的产出，实现双向促进的效果。 

第五，从短期来看，碳定价政策与创新政策协同在低碳价格下会获得一定的经济增长收益，在高碳价格下能有效降低碳价格带来的经济冲击；从长期来看，碳定价政策与创新政策协同会通过提高创新活动部门的产出，进一步促进可再生电力成本下降与工业部门节能，同时实现节能、减排、能源结构清洁化和工业生产电气化发展。 

本研究的创新点主要体现为：在模型中将创新活动作为一个单独的部门，在生产过程中引入了创新投入，进而描述了创新要素在各部门技术进步和降低减排成本的作用。通过模拟分析，研究发现创新活动对碳定价政策的实施效果具有显著影响，特别是有减缓碳定价负面影响的作用。因此，将碳定价政策与将碳收入协调分配给创新活动部门相结合，可以在节能减排的同时，促进经济增长，降低减排成本，提高电气化水平，增加创新活动部门的产出。创新与减排政策协同优化设计，可以同时兼顾碳减排和实现高质量增长，推动新型工业化发展。