气候变化综合评估模型中技术变革对最优气候政策的影响：外生与内生技术变革的比较分析

推荐：研究人员针对综合评估模型(IAMs)中技术变革(TC)对气候政策的影响机制不明确的问题，系统分析了外生技术变革(如减排技术成本下降)和内生技术变革(如干中学和研发投入)对最优碳价、排放路径的不同影响。研究发现TC会显著降低长期排放和温度，但不同TC机制下最优政策存在显著差异，为气候政策制定提供了重要理论依据。

　　

气候变化已成为全球面临的重大挑战，如何制定最优气候政策是学术界和政策制定者关注的焦点问题。综合评估模型(IAMs)作为评估气候政策经济影响的重要工具，其核心假设之一就是技术变革(Technical Change, TC)的设定。然而，现有文献对TC的建模方式多种多样，包括外生技术变革、基于干中学(Learning-by-doing)的内生技术变革和基于研发(R&D)的内生技术变革等。这些不同的TC设定如何影响最优气候政策路径？不同模型得出的政策建议差异在多大程度上源于TC设定的不同？这些问题尚未得到系统解答。

比利时蒙斯大学瓦罗克商学院(Warocqué School of Business and Economics, University of Mons)的Léo Coppens、Simon Dietz和Frank Venmans在《Journal of Environmental Economics and Management》发表的研究，首次通过理论分析和定量模拟相结合的方法，系统比较了不同TC设定对最优气候政策的影响。研究人员构建了统一的理论框架，将外生TC(包括减排技术成本下降和自主能源效率改进AEEI)、基于干中学的内生TC和基于研发的内生TC纳入同一分析体系。通过解析求解和数值模拟，量化了不同TC机制对最优边际减排成本(MAC)、碳价、排放路径和温度轨迹的影响。

研究采用了三种关键技术方法：一是构建理论模型框架，通过解析推导比较不同TC机制下的最优条件；二是系统综述22个主流IAMs中TC的建模方法；三是基于IPCC和NGFS数据库中739个情景的结构估计，校准TC参数，并进行数值模拟。特别地，研究人员开发了"内生未来收益效应"的分解方法，将学习外部性对最优政策的影响从总效应中分离出来。

研究结果部分，"理论分析"表明：1)外生TC使未来减排成本降低，导致短期减排减少而长期减排增加，最优碳税始终较低；2)AEEI通过降低基准排放强度和增加进一步减排难度，产生相反效应；3)基于干中学的内生TC同时产生成本降低效应和学习效应，最优碳税较低但需配套减排补贴；4)基于研发的内生TC主要通过早期研发投入而非减排来促进技术进步，其最优路径与外生TC相似；5)干中学模型呈现"掏空效应"(fishing out)，而多数定向技术变革(DTC)模型呈现"巨人肩膀效应"(standing on shoulders of giants)。

"定量分析"部分发现：1)在成本效益分析下，外生TC使2100年升温降低0.5°C，而内生TC使升温降低0.6°C；2)在1.75°C成本有效性约束下，两种TC机制都导致更快达到温度上限；3)内生TC的社会学习收益在2020年达70美元/tCO₂，在成本有效性情景下更高；4)忽略学习外部性的模型会低估最优减排量达10%(2050年)，高估温度0.13°C(2100年)。

研究讨论部分强调，TC对最优气候政策具有重大定量影响，且不同TC机制的影响存在显著差异。这一发现有助于解释为什么不同IAMs得出的减排成本估计存在巨大差异。研究提出的混合TC模型框架，为同时考虑干中学和研发的模型开发提供了理论基础。研究还指出，技术变革不确定性可能通过凸性成本函数产生风险溢价，促使社会更早减排以防范TC慢于预期的风险。

这项研究的重要意义在于，首次系统阐明了TC建模方式如何影响气候政策建议，为未来IAMs开发提供了方法论指导。研究揭示的学习外部性量化结果，为制定合理的碳税和减排补贴组合政策提供了科学依据。特别是在当前各国加紧制定长期气候战略的背景下，该研究关于不同TC机制长期影响的发现，对政策制定具有重要参考价值。