通过针对意大利经济的大规模抽象行为模型，对气候NGFS情景进行测试

《Energy Economics》：Testing climate NGFS scenarios through the lens of a large-scale ABM for the Italian economy

　　•基于意大利数据的代理模型分析了绿色转型与电气化进程。•利用Exiobase数据库将能源行业划分为棕色能源、绿色能源和非电力能源类别。•碳税可减少排放，且短期内对经济的负面影响有限。•绿色激励措施有助于抵消转型带来的通胀压力。•设计合理的政策组合既能推动经济增长，又能实现气候目标。

1. 引言
绿色转型所带来的宏观经济影响已迅速成为学术研究和政策讨论中的核心议题。各国政府和中央银行越来越关注脱碳政策（尤其是碳定价和电气化措施）会对经济增长、通货膨胀、行业格局以及金融稳定产生何种影响。尽管相关研究日益增多，但对于气候转型政策在短期和长期内的宏观经济效应仍缺乏共识。一些研究强调转型可能带来的成本和通胀压力，而另一些则指出绿色投资有望带动经济增长并提升生产力。关于碳定价的宏观经济效应，实证研究结果并不一致：有些研究认为其对GDP没有影响或仅有微弱正面作用（Metcalf，2019；Metcalf和Stock，2023），而另有研究则预测其会带来短期负面效应（Kanzig，2023；Coenen等人，2024）。基于模型的分析通常表明，过于严格的碳定价可能会降低GDP和就业水平，但适当的方式重新分配税收收入可显著减轻这些负面影响（Brenner等人，2007；Conefrey等人，2013；Allan等人，2014；Rivera等人，2016；Vermeulen等人，2018；Allen等人，2020；Wieners等人，2024；Socci等人，2024）。如何理解这些因素之间的相互作用，仍是亟待解答的关键问题。

气候变化带来的挑战要求我们拥有强大的经济建模工具来评估各种政策干预措施。在这些工具中，NGFS（绿色金融系统网络）的情景分析因其综合性而尤为突出，它整合了综合评估模型与宏观经济框架的见解。此外，目前大多数关于气候变化的定量分析都依赖于动态随机一般均衡模型或可计算一般均衡框架。虽然这些方法能提供有价值的见解，但它们往往依赖严格的均衡假设、代表性主体以及线性动态关系，而这些可能无法完全反映向可持续发展转型的经济体系中的复杂互动。因此，它们往往难以捕捉到现实世界转型过程中的关键特征，比如企业层面的调整、行业资源重新分配、需求驱动的动态变化，以及冲击通过生产网络传播的过程。在研究非均衡现象时，这些局限性更为明显。

气候变化建模还涉及多层不确定性。尽管学者们在模拟气候变化的物理影响方面已取得显著进展，能够区分长期影响（如气温上升）与短期极端事件，但由于难以把握气候过程与经济系统之间复杂的、非线性的、可能突然发生的互动关系，包括潜在的临界点现象，因此仍存在物理不确定性。转型不确定性则与实现净零目标过程中技术变革和结构调整的速度及方向有关。另一个重要维度是政策不确定性：由于政治周期以及政策可能被逆转的风险，企业和家庭难以确定气候政策的持续性，而这直接影响他们的投资决策和资源分配。

《绿色金融系统网络》2024年发布的指南强调了根据具体问题选择合适模型类型的重要性，并指出在模型设计以及经济主体对气候风险的反应中都必须考虑不确定性因素。在这方面，该指南为中央银行和监管机构提出了三点重要启示：首先，气候变化建模对于了解转型政策带来的物理损害和宏观经济 disruption至关重要，尽管这类问题不在货币政策的职责范围内，但它们却会直接影响金融稳定；其次，没有任何一种模型能够全面反映实际情况：综合评估模型、动态随机一般均衡模型和可计算一般均衡模型各自侧重不同的方面，它们是互补而非替代的关系，因此需要灵活的建模工具；第三，建模必须考虑多种复杂性因素：非线性的物理影响、转型政策的可逆性、气候风险与金融系统之间的互动关系，以及生产要素之间替代程度的关键问题。例如，生产函数必须真实反映资本、劳动力和能源之间难以替代的现实情况，因为过高的替代弹性可能会低估技术变革带来的价格变动影响，进而影响脱碳政策的实施。在长期和中期，不仅技术因素至关重要，预期协调和市场失衡也可能带来额外风险，尤其是在能源投资、技术发展与金融领域之间产生的连锁反应。

代理模型作为一种强大且多功能的替代传统建模框架的方法，越来越受到重视，这主要是因为它具备捕捉由不同主体、分散式互动和非线性反馈机制所驱动的复杂经济动态的天然灵活性。通过明确模拟个体行为及其对环境变化的适应性反应，代理模型尤其适合用于研究那些传统代表性主体模型或均衡模型往往无法解释的新兴现象。

本研究以Di Domenico等人（2025年）开发的、基于数据的代理模型为基础，该模型体现了意大利经济的结构性和制度性特点。在此基础上，我们进一步扩展了该模型，使其能够结合绿色金融系统网络所制定的气候转型情景。据我们所知，这是首个将基于数据的代理模型应用于NGFS情景的研究。通过将碳价政策引发的减排措施嵌入高分辨率的微观基础框架中，该模型使我们能够探讨不同气候路径的可行性及其宏观经济影响，同时揭示出在意大利背景下脱碳与经济增长之间的潜在权衡关系。

我们选择这种特定的代理模型，是因为传统代理模型常常因仅能提供定性分析而受到批评——即它们是通过复制“典型事实”来构建的，难以与微观、中观和宏观层面的实证数据在数量上保持一致。此外，这类模型包含过多的自由度和需要校准的参数。相比之下，基于数据的方法能够利用官方的微观、行业和宏观经济数据源（如欧统局的数据）进行直接校准，从而更高效地实现微观、中观和宏观实证数据的定量再现，同时减少校准所需的自由度。这一策略使我们能够达到较高的实证真实性，使模型能够有效评估应对气候变化的政策。

该模型通过对不同行业的企业和家庭主体进行区分，详细展现了技术和需求方面的具体情况。其校准和估算方法基于简化的社会核算矩阵框架，该框架借助投入产出表以及有关收入再分配的关键数据。经济的初始状态是通过一种基于数据的流程确定的，该流程利用欧统局的宏观-中观-微观数据来设定主体的人口状况（如资产负债表）和经济决策（如消费、投资）。这种自下而上的方法使得模型能够与国民账户保持一致，从而有可能实现对现实经济的逐一对应。此外，借助代理模型区分不同企业的能力（包括企业破产的可能性），并结合Exiobase数据库，我们还能进一步细化能源生产领域，从而外生地模拟电气化进程，以及内生地模拟能源生产从化石能源向可再生能源的转变。

为了完整呈现NGFS情景，我们对（Di Domenico等人，2025年）的模型进行了改进，将其作为代理模型宏观经济模型的输入，纳入了能源和技术发展趋势。具体而言，我们加入了碳价、劳动生产率趋势（其中包含了长期气候损害的物理影响）、捕集与储存技术以及电气化趋势，这些均来自NGFS综合评估模型体系。这样的结构使我们能够追踪冲击在行业生产网络中的传播过程，并根据家庭的行业需求，模拟由结构和技术转型带来的各种影响。我们在现有的气候情景基础上——即提前全面减排路径（净零情景）、延迟且混乱的转型路径（延迟情景），以及继续沿用现有政策的路径（现有政策情景）——又添加了一系列政策实验，旨在分析这些政策对关键经济变量带来的短期到长期影响。

尤其值得一提的是，这种模型结构使得我们能够将碳价政策应用于企业的排放强度衡量。从NGFS情景中得出的碳价路径不应被理解为在现有欧洲政策之外又新增的独立碳税。相反，它代表了在逐步收紧排放限制的路径下，与碳排放上限相一致的简化形式的影子价格。在欧洲层面，碳定价主要通过欧盟排放交易体系来实现，该体系通过逐步降低排放上限的方式，通过拍卖方式分配排放许可。该体系形成的市场出清价格反映了与排放上限下降路径相一致的边际减排成本。从这个意义上说，NGFS的碳价路径可以被视为在日益严格的排放限制条件下，这种影子价格的宏观层面体现。除了欧盟排放交易体系之外，欧洲的气候政策体系还包括其他补充性工具，如：（i）努力共享法规，用于管理非排放交易体系覆盖的行业；（ii）碳边境调节机制，旨在防止碳泄漏；（iii）可再生能源指令和电气化要求；（iv）特定行业内的国家碳定价机制；以及（v）拍卖收入的财政再投资。因此，NGFS的碳价实际上以简化形式体现了在协调一致的转型情景下，各类政策共同作用的总效应。我们的建模方法忽略了许可分配和行业覆盖方面的具体制度细节，而是将碳价视为与整个经济体系日益严格的碳排放限制相一致的边际排放成本。

重要的是，这种解读避免了重复计算的问题。该模型并未在现有机制之外再加征额外的税收，而是将NGFS的影子价格视为在整个欧洲气候政策框架下，由于碳排放上限逐步收紧而产生的均衡碳成本的一种体现。

在我们的模拟中，对于净零情景，意大利经济在短期内会出现大约-1%的GDP负增长。然而，在采用财政中立政策设计、将碳税收入用于公共消费的情况下，短期到中期的经济增长依然能够保持，从而抵消碳价对GDP的负面影响。此外，净零情景还意味着长期GDP增长将呈现正值。而在另一种财政中立政策设计下，即把碳税收入用于激励绿色能源发展时，短期内减排效果会更显著，而长期经济增长则会更加强劲。我们还发现，NGFS所设定的碳价路径可能在结构上不足以确保在分散式的生产网络中实现全面的国内净零排放目标。

本分析不应被视为对NGFS宏观经济预测的简单复制，也不是对综合评估模型的内生重演。相反，我们采用了NGFS所给出的路径（碳价、电气化趋势、生产力假设）作为系统约束，并将其嵌入到一个基于数据的代理生产网络中。从这个意义上说，我们的研究也具有反事实性和结构性特征：我们试图探究，当NGFS所设定的碳价和电气化趋势被纳入一个分散式的生产系统后，是否足以在不依赖代表性主体或均衡机制的前提下，形成一条与深度脱碳目标相一致的路径。

本文的结构如下：第2节回顾相关文献；第3节描述各类情景；第4节介绍模型本身，第5节阐述模型的校准过程及修正内容；第6节分析模拟结果，第7节总结全文。

2. 文献综述
近期的一些研究开发出了多种多模型框架，旨在将宏观经济模型、能源模型和环境模型相互关联，从而共同分析社会经济与气候动态之间的关系（Nikas等人，2021；Weyant，2017）。其中一种较为成熟的方法是综合评估模型，它将宏观经济、能源和气候要素整合在一个框架内，用于评估长期的减排政策（Weyant，2017）。与此同时，不同的模型也可以通过软链接和硬链接技术相互连接。正如Bauer等人（2008）所明确指出的，软链接模式下，各模型保持独立，通过迭代方式交换输出结果（例如，宏观经济模型使用能源模型提供的预测数据），而硬链接模式下，则是将多个模型直接整合为一个整体，共同求解。在诸如NGFS（绿色金融系统网络）所提出的转型情景中，这类集成方法的效用十分明显，因为在这种多元模型框架下，综合评估模型负责处理能源和排放动态，而宏观金融模型则用于分析经济影响，二者相结合便能生成在逻辑上一致的碳价、电气化速率以及能源结构的发展轨迹（NGFS，2021）。这些输出结果可作为Agent-Based Models及其他行业分析工具的输入数据，从而更深入地分析转型所带来的微观经济和行业层面的影响（Lamperti等人，2018年）。总之，通过统一的综合评估模型或相互关联的多模型架构，将宏观经济、能源与气候模型整合起来，有助于全面理解经济、能源与环境之间的相互依存关系，进而为更可靠的转型路径评估提供支撑（IPCC，2022年）。综合评估模型在气候政策分析中的作用已得到广泛认可，它是理解经济系统与气候动态之间相互作用的重要工具。该领域的开创性工作，如诺德豪斯的DICE模型（Nordhaus，1993年），为将经济系统与气候系统整合到同一框架中奠定了基础。DICE模型通过模拟不同温室气体减排路径带来的经济后果，成为了气候政策成本效益分析的基准工具。该模型侧重于长期预测，对碳定价、最优减缓策略以及气候风险评估等政策讨论产生了深远影响（Nordhaus，1993年；Pizer，2002年）。类似地，Hope（2006年）开发的PAGE模型在DICE框架基础上进一步加入了概率风险评估功能，这使得PAGE模型能够考虑气候科学、未来排放量及政策实施等方面的不确定性，从而呈现多种可能的结果。在PAGE模型中引入随机要素是一项重要进步，它使得人们能够更细致地理解气候变化风险以及减缓策略可能带来的成本与收益（Hope，2006年；Hope等人，2013年）。其他著名的综合评估模型，如GCAM（全球变化评估模型）和IMAGE（综合全球环境评估模型），则通过纳入特定行业的转型过程及区域特性，进一步提升了综合建模的能力（Kim等人，2014年；van Vuuren等人，2011年）。尽管这些模型在评估全球气候情景方面十分有用，但它们在处理微观经济层面的差异性时存在显著局限。这类模型往往忽略了行业、技术及地理差异，而这些差异对于理解不同企业和地区对气候政策的不同反应至关重要。实际上，综合评估模型通常依赖代表性主体，假设所有经济主体行为一致，无法体现各个行业或企业内部决策的复杂性（Brekke等人，2010年；McKibbin和Wilcoxen，1997年）。在评估气候政策对特定行业的影响，或研究需要行业针对性干预的转型路径时，这种缺乏微观层面细节的问题尤为突出。除综合评估模型外，DSGE模型和CGE模型等其他宏观经济模型也被广泛用于评估气候变化及转型政策的经济影响。DSGE模型旨在分析政策变化随时间对经济变量的影响，同时考虑决策主体的预期以及各种冲击带来的效应。这类模型已被改进，用以纳入与气候相关的风险及政策干预措施，如碳税和排放交易体系（例如Brock和Xepapadeas，2018年；Annicchiarico和Di Dio，2015年；Carattini等人，2023年；Comerford和Spiganti，2023年）。然而，DSGE模型在处理行业差异性以及技术变革表现方面存在局限，它们往往假设存在代表性主体或仅关注总体变量，这可能会掩盖不同行业对气候干预措施反应上的显著差异（Stern，2007年）。相比之下，CGE模型通过模拟经济中不同行业与地区之间的互动，提供了更为详细的分析方式。这类模型能够明确体现气候政策对各部门生产、消费及贸易的影响，因此非常适合用于评估包括碳税、补贴及贸易政策在内的各类气候政策所带来的整体经济影响。CGE模型已被广泛用于全球气候政策分析中，用以评估减缓策略的经济效应，并找出具有成本效益的减排路径（B?hringer等人，2009年；Eboli等人，2010年）。不过，CGE模型同样仅着眼于中观经济层面，无法进行微观经济层面的分析。为应对这些局限，Agent-Based Models逐渐成为模拟气候变化与经济转型的重要工具。这类模型能够模拟由企业、家庭及政府等不同类型主体构成的复杂系统，这些主体会根据自身的规则和目标做出决策（Farmer等人，2015年）。Agent-Based Models已被应用于从金融危机到市场动态，再到最近的气候转型等众多研究领域（Farmer和Foley，2009年）。这类模型能够捕捉气候变化影响的本质，同时模拟复杂的非线性动态过程。与传统综合评估模型相比，Agent-Based Models具有诸多优势，尤其在于其能够模拟政策干预在微观层面的反应。例如，它们可以展现企业如何适应碳定价或其他与气候相关的法规，以及这些调整如何通过供应链传导并影响更广泛的经济成果（Lamperti等人，2018年）。此外，与CGE模型不同，我们的Agent-Based Model并不假设完全竞争环境，而是允许企业根据生产成本加上一定加成来制定价格，同时该框架还支持在个体主体层面进行精细的微观经济分析。在我们的模型中，能源行业的各个企业都拥有一个投资函数，该函数的值与其相对利润率呈正相关。这一设定使得那些以低成本生产可再生能源的企业能够在模型内实现内生增长，而那些依赖化石燃料的企业则无法做到这一点。此外，投资也与需求相关，这一设定符合凯恩斯主义理论。这样一来，模型得出的结果可能与CGE模型存在差异，因为后者本质上是以供给为导向的，Bachner等人（2024年）在对洪水事件的分析中就证明了这一点。另外，Agent-Based Models也非常适合用于研究政策不确定性以及创新在气候转型中的作用。例如，通过模拟企业、政府及消费者之间的互动，这类模型能够帮助我们了解不同主体在面对政策环境不确定性时的反应，比如碳税率的变化或可再生能源补贴的出台（Mercure等人，2016年；Lee等人，2014年）。Agent-Based Models还可以用来模拟包括制造业和交通业在内的能源行业如何适应碳定价或能效标准等气候政策（Gourdel等人，2024年）。这种方法有助于政策制定者了解气候政策可能带来的分布性影响，进而确定在转型过程中可能需要重点支持的行业。在处理绿色转型问题方面，MATRIX模型（多主体转型风险模型，Ciola等人，2023年）是一个典型例子。该模型旨在评估能源危机以及向低碳经济转型所带来的影响，重点分析能源价格波动、碳税和政策变化如何影响各行业及地区的经济状况，尤其关注那些能源消耗密集型行业以及金融市场。Lamperti等人（2020年）运用一种基于主体的综合评估模型，探讨了在存在气候损害的情况下实现可持续绿色增长的可能性。该模型包含了不同的能源企业、各类市场主体，还有一个用于将碳排放与温度变化以及影响劳动生产率和能源需求的各类经济冲击联系起来的“气候模块”。分析结果表明存在两种可能的均衡状态：一种是高碳锁定状态，另一种则是可持续增长路径。该研究还评估了碳税和绿色补贴的作用，发现它们的效果较为有限，且其有效性取决于气候变化对经济的影响程度，因此可能需要采取配套政策以避免陷入高碳锁定状态。Reissl等人（2024年）提出了一种经过改进的、“反乌托邦式熊彼特理论与凯恩斯理论的结合”型基于主体的综合评估模型版本，该版本采用了完善的会计体系，能够在模拟过程中精确追踪所有的资产负债表项目及资金流动情况。这一改进使得人们能够更全面地分析气候变化及各种政策情景，重点研究它们对主体及行业层面资产负债表动态及金融稳定性的系统性影响。Reissl等人（2025年）又对该模型进行了进一步扩展：他们将“反乌托邦式熊彼特理论与凯恩斯理论的结合”型宏观基于主体模型与一种描述详细转型动态的过程型综合评估模型（WITCH）相结合。还有其他一些宏观经济建模方法也被拓展，以纳入能源和气候因素。这些方法包括明确考虑金融与环境之间相互作用的后凯恩斯主义生态模型（例如Dafermos等人，2018年；Monasterolo和Raberto，2019年；Semieniuk等人，2022年），以及非线性行为框架（例如Campiglio等人，2024年），还有基于网络的结构来呈现宏观金融与环境之间关联的方法（例如Stangl等人，2024年）。与我们的研究类似，有一篇论文也采用了数据驱动的方法来研究电气化进程以及向绿色能源生产的转型，该论文为Pettena和Raberto（2024年）所撰写，他们构建了一个不含劳动力市场的、符合存量-流量平衡原则的全球经济模型。总之，尽管所有这类模型都能为理解气候变化及转型政策的经济影响提供宝贵见解，但没有任何一种模型能够完全涵盖气候政策分析中的所有复杂性。Bachner等人（2020年）在他们对低碳转型路径的宏观经济分析中指出，“所选择的模型，即其所依据的宏观经济理论流派，会影响到宏观经济效应的符号与幅度”（其影响力甚至超过关于经济发展和气候政策的各种假设），因此他们主张开展多模型比较分析。那些将宏观经济、能源和/或环境模型相互关联的框架往往基于多种假设，这可能导致结果出现较大差异。事实上，模型风险在经济学领域早已被广泛认知（例如Danielsson等人，2016年，在研究金融模型时指出：“更好地理解模型风险有助于制定更为稳健的政策”）。在气象学等自然科学领域，模型风险的体现更为明显——天气预报的可靠性是通过不同模型和模拟结果的一致性来评估的（气象学家通常会使用集合预报方法，如果所有模拟结果相似，则说明预报更为可靠，而若结果差异较大，则表明存在较高不确定性）。我们的研究得出的结果与已有文献中的结论一致，但这并不会降低其重要性：能够通过不同模型得到相同类型的结论，无疑会大大提升结果的可靠性。因此，采用多模型方法，结合不同方法的优点，对于深入理解气候变化所带来的挑战与机遇而言，是极为必要的。3. NGFS情景NGFS第四阶段所设定的情景共包含七种全球气候发展路径，这些路径根据转型风险与物理风险的组合情况被分为四类：•有序转型（例如“2050年实现净零排放”“气温上升控制在2℃以下”“需求较低”）：及早且协调一致的政策措施能够有效降低两类风险。•无序转型（转型延迟）：行动迟缓且突然，会导致较高的转型风险。•高温地狱世界（维持当前政策，各国按自身承诺履行减排义务）：政策应对措施薄弱或根本不存在，从而导致严重的物理灾害。•措施不足且为时已晚（世界分裂割据）：政策无效且分散，进而带来较高的转型风险与物理风险。每种情景都基于对政策力度、技术进步以及国际协作程度的不同假设。一些中央银行和金融监管机构（如欧洲中央银行、法国银行、奥地利国家银行）已经开始使用NGFS情景来进行气候压力测试（Allen等人，2020年；Guth等人，2021年）。Aiello等人（2024年）分析了在NGFS第四阶段的七种情景下，意大利经济可能对气候相关风险作出的反应，重点研究了三种主要的发展路径：•有序转型（例如“2050年实现净零排放”）：及时且协调一致的政策措施能够将全球气温上升控制在1.5℃以内。短期内GDP的降幅较小（到2050年约为1%左右），但通胀率与利率短期内会上升。政府为支持转型而进行的投资规模会比正常水平高出40%以上。私人投资与消费短期内会有所收缩，但随后会逐步恢复。•转型延迟：气候政策被推迟到2030年之后实施，这将导致碳定价力度加大，不确定性也会随之上升。到2050年GDP的降幅约为3%，通胀压力会更明显，利率波动也会更加剧烈。无论是公共投资还是私人投资，都会比正常水平有所减少。•高温地狱世界（维持当前政策）：如果不采取任何措施，就会面临极高的物理风险。由于急性（热浪、干旱）和慢性（气温上升、海平面上升）的物理灾害影响，GDP的降幅可能高达7%。由于能源供应中断，通胀率会上升幅度较小，而公共投资依然处于较低水平，这限制了减缓气候变化或适应气候变化的行动。在所有情景中，急性物理风险都是导致GDP下降的最主要因素，尤其是在2040年之后。转型情景虽然会在初期带来较大的成本，但从长远来看造成的损害相对较小。该研究强调，尽早采取有力的政策措施能够降低宏观经济和气候方面的损害，而拖延或零散的转型则会加剧这些损害。这一结果与许多地区开展的气候情景分析结论一致（“许多分析表明，在有序转型情景下不会出现严重影响，但在无序转型情景下，GDP和金融损失会更为严重；而在存在高物理风险的无需转型的情景下，损失则更大”，FSB和NGFS，2022年），比如欧洲央行基于NGFS情景进行的压力测试也得出了类似结论（“通过比较不同的转型情景，测试结果显示，立即果断采取行动将为欧元区经济和金融体系带来显著益处，这不仅有助于保持最优的净零排放路径（从而限制气候变化的物理影响），还能降低金融风险”，Emambakhsh等人，2023年）。NGFS情景框架整合了物理风险模型、IAM模型以及NiGEM宏观经济模型，用以评估气候变化和转型政策对各国经济的影响。IAM模型用于模拟能源系统变化和政策成本，并根据转型成本提供GDP估算及半内生调整；而NiGEM则在以IAM模型输出为基准的同时，扩展了模型范围，纳入了其他宏观金融指标。NiGEM能够模拟转型风险（如政策成本）和长期物理风险（如气候损害）所带来的更广泛的宏观经济效应。不过，NiGEM也存在明显局限性：它缺乏行业细节，假设处于静态均衡状态，且以简化的自上而下方式处理通货膨胀冲击。在NGFS情景的背景下，采用数据驱动的ABM宏观经济框架替代NiGEM，能在处理通货膨胀冲击和行业互动方面展现出显著的方法论和分析差异。与潜在的ABM相比，NiGEM的局限性包括：(a) 缺乏行业层面的细致度。作为宏观经济模型，NiGEM并未明确体现各个经济行业。诸如碳税或气候损害带来的通货膨胀冲击是在整体层面施加的，未能体现这些冲击如何在各行业及供应链中传导，这可能会掩盖一些关键动态，比如行业脆弱性或连锁反应。相反，ABM能够模拟行业层面的差异性，展现特定行业对通货膨胀压力或政策变化的反应，以及这些反应如何在整个经济体系中产生连锁效应。(b) 互动机制有限且假设为静态。作为一般均衡模型，NiGEM可能过度简化了经济在动荡情景下的发展过程，无法体现新兴行为和主体间的互动，也不太能应对由气候冲击或快速政策变化引发的非线性转型或临界点现象。而ABM本质上能够模拟非均衡动态，便于模拟非线性转型过程，探究冲击如何随着时间推移破坏经济稳定。Gourdel等人（2024年）给出了一个将NGFS情景融入非一般均衡框架的例子，他们使用EIRIN宏观经济模型来分析欧元区的转型动态。他们的研究结果表明，有序转型既能实现减排，又能推动经济增长，而以更高物理风险为特征的无序转型则会损害经济表现和金融稳定。该研究还强调了可信的气候政策在引导投资流向低碳产业方面的作用，这有助于加速经济脱碳进程，降低资产搁浅的风险。与Gourdel等人（2024年）的不同之处在于，我们是将NGFS情景融入ABM框架中。我们以Poledna等人（2023年）首次开发的基于数据的ABM模型为基础，结合Di Domenico等人（2025年）为意大利制定的校准参数展开研究。参照Aiello等人（2024年）的研究，我们重点分析了NGFS第四阶段七个情景中的三个：2050年净零排放情景、延迟转型情景以及现行政策情景。具体而言，我们选择了两个“极端”情景（2050年净零排放情景和现行政策情景）以及一个中等风险情景（延迟转型情景）作为研究对象。4. 模型本节介绍了该模型的核心结构，其设计基于Poledna等人（2023年）开发的框架。该经济体系被视为一个复杂系统，由四个制度部门构成：家庭、企业、政府以及银行业。这些部门通过进出口与外界进行互动。企业根据NACE两位数分类标准分布在64个行业中，该模型强调了这些行业间经济活动的动态关联性。市场运作依赖于搜索与匹配机制，成功匹配的概率取决于价格竞争力和企业规模。实际交易则受到预算限制和供应状况的制约。下文将阐述支配各主体行为的主要方程式。如需全面了解模型结构，可参考Poledna等人（2023年）的相关研究。7 8 为开展分析，我们对模型进行了一系列修改，具体内容见第5.4节。所用符号的完整列表则列于附录A.4.1中。4.1. 家庭家庭既充当消费者，也承担劳动力和资本的供给者。家庭可能处于以下三种状态：(i) 有工作，获得名义工资wh(t)；(ii) 失业，领取替代率为θUB的失业救济金；(iii) 不参与经济活动（如退休人员、学生），获得sbinact(t)作为收入。其他一次性转移支付则记为sbother(t)。可支配收入需扣除雇员社会保险费率τSIW、所得税率τINC以及消费品价格指数P?HH(t)；预期通胀率πe(t)遵循AR(1)模型。家庭还可能根据分配比例θDIV获得股息（该比例受所得税率τINC和企业税率τFIRM的影响）。预计可支配收入可通过以下公式计算：(2)Yhe(t)=wh(t)1?τSIW?τINC(1?τSIW)+sbother(t)P?HH(t?1)(1+πe(t))若为有工作状态，则适用此公式；若为失业状态，则用θUBwh(t)+sbother(t)P?HH(t?1)(1+πe(t))计算；若不参与经济活动，则用sbinact(t)+sbother(t)P?HH(t?1)(1+πe(t))计算；若是企业投资者，则用θDIV(1?τINC)(1?τFIRM)max(0,Πie(t))+sbother(t)P?HH(t?1)(1+πe(t))计算；若是银行投资者，则用θDIV(1?τINC)(1?τFIRM)max(0,Πke(t))+sbother(t)P?HH(t?1)(1+πe(t))计算，其中Πie(t)和Πke(t)分别代表企业i和银行业上一时期的预期利润。家庭消费遵循凯恩斯主义行为规则，即消费支出取决于预期可支配收入，而非跨期优化决策（凯恩斯，1936年）。这一方法与后凯恩斯主义以及存量-流量一致的宏观经济框架相契合（Godley和Lavoie，2007年）。具体而言，消费被设定为预期可支配收入的一定比例ψ，该比例已扣除增值税（τVAT）：(3)Chd(t)=ψYhe(t)1+τVAT。随后，家庭会将消费预算用于向企业购买各类商品。家庭h用于购买商品g的消费预算为(4)Chgd(t)=bgHHP?g(t?1)P?HH(t?1)Chd(t)，其中bgHH表示分配给商品g的总消费份额。Pˉg(t)则表示商品g的平均生产者价格指数，它是通过对该商品所在行业内各企业的价格进行加权平均计算得出的。家庭还会对住宅进行投资。家庭的投资额被设定为预期可支配收入的一定比例ψH，该比例已扣除投资品的税收（τCF）：(5)Ihd(t)=ψHYhe(t)1+τCF。随后，家庭h对商品g的投资需求则由固定权重bCFH决定：(6)Ihgd(t)=bgCFHP?g(t?1)∑gbgCFHP?g(t?1)Ihd(t)。ψ、ψH以及消费份额bgHH和bgCFH的设定旨在确保模型与意大利实际的投入产出结构相吻合，尤其是能够再现总消费水平以及耐用品与非耐用品之间的消费结构比例。匹配价格和交易价格则用于将名义预算转化为实际数量。4.2. 企业企业存在于各个行业中，它们利用劳动力、中间产品以及资本来生产商品和服务。企业会根据对未来需求的预测调整自身的生产和投资策略。企业根据过往观测数据以及宏观经济增长预期来预估未来需求Qis(t)：(7)Qis(t)=Qid(t?1)(1+γe(t))。企业采用列昂惕夫生产函数，该函数体现了各种投入要素之间的固定比例关系：(8)Yi(t)=minQis(t),αiNi(t),βiMi(t?1),κiKi(t?1)，其中αi、βi和κi分别代表劳动力（Ni(t)）、中间产品（Mi(t?1)）以及资本（Ki(t?1)）的生产效率系数。企业对中间产品的需求量为与计划生产规模相关的实际数量：(9)ΔMid(t)=minQis(t),κiKi(t?1)βi。不同商品所消耗的中间产品比例则遵循固定的投入产出系数关系：(10)ΔMigd(t)=asgΔMid(t)，其中asg表示商品g在该行业中间产品消费组合中所占的份额。企业会投资新资本以维持生产能力。企业所需的预期投资额Iid(t)可通过以下公式计算：(11)Iid(t)=δiκiminQis(t),κiKi(t?1)，其中δi为折旧率。以实际价值计量的预期投资额Iid(t)会按照固定的实际比例分配到不同商品上：(12)Iigd(t)=bgCFIid(t)，其中bgCF表示分配给商品g的总投资份额。资本存量的变化规律为：(13)Ki(t)=Ki(t?1)?δiκiYi(t)+Ii(t)。企业会根据列昂惕夫生产技术以及投入产出结构，以实际价值来确定中间产品需求量和投资规模。在此阶段，企业的决策仅涉及维持计划生产规模所需的实物数量，与当前价格无关。只有经过搜索与匹配过程，一旦交易发生且价格确定之后，才会计算出名义支出。4.2.1. 外部融资企业通过内部资金来支持生产和投资，必要时还会向银行借款。每家企业i都会预估自身的未来现金流，该现金流定义为预期存款变动额：(14)ΔDie(t)=Πie(t)︸预期利润?θLi(t?1)︸债务偿还?τFIRMmax[0,Πie(t)]︸企业税?θDIV(1?τFIRM)max[0,Πie(t)]︸股息分配。预期利润是根据上一时期的数据推算得出的，公式为(15)Πie(t)=Πi(t?1)[1+γe(t)][1+πe(t)]，其中γe(t)和πe(t)分别代表预期的实际增长率和通胀率。如果预期流动性为负，企业就会通过申请新贷款来获取外部融资：(16)ΔLid(t)=max{0,?ΔDie(t)?Di(t?1)}，其中Di(t?1)表示企业在期初的存款余额。因此，企业所需的贷款额ΔLid(t)即为所需资金与内部资源之间的差额。企业i的净现金流ΔDi(t)反映了其在该时期内的所有资金流入和流出情况：(17)ΔDi(t)=Pi(t)Qi(t)︸销售收入?(1+τSIF)wi(t)Ni(t)P?HH(t)︸劳动力成本?P?i(t)ΔMi(t)︸材料成本?(τiY+τiK)Pi(t)Yi(t)︸产品和生产的净税收/补贴?τFIRMmax[0,Πi(t)]︸企业税缴纳额?θDIV(1?τFIRM)max[0,Πi(t)]︸股息支付额?r(t)[Li(t?1)+max(0,?Di(t?1))]︸利息支出+r?(t)max(0,Di(t?1))︸收到的利息?PiCF(t)Ii(t)︸投资成本+ΔLi(t)︸新贷款额?θLi(t?1)︸债务偿还额。第一项为总销售收入，随后是工资和社会保险费、中间产品投入、间接税以及利息或股息等支出项目。企业获得正利润后需要缴纳企业税和股息，而仍有债务的企业则需要偿还部分过去所借的贷款。当现有流动性不足时，新的贷款额ΔLi(t)会增加企业的存款，从而为经济注入购买力。此时，企业存款的变化遵循公式(18)Di(t)=Di(t?1)+ΔDi(t)，而总债务则遵循公式(19)Li(t)=(1?θ)Li(t?1)+ΔLi(t)。4.3. 政府政府通过征税，并通过社会福利和消费支出来重新分配收入。其行为被设定为外生变量，但会受到经济状况的影响。政府消费的增长速度Δ%CG(t)的变化规律为：(20)Δ%CG(t)=αGΔ%CG(t?1)+βG+?G(t)，其中?G(t)代表随机冲击，αG和βG则是自回归模型中的参数，分别用于体现常数项和趋势项。每个政府机构j的名义预算为(21)Cjd(t)=CG(t)∑gcgGP?g(t?1)(1+πe(t))/J，其中J表示负责执行公共支出的政府机构数量。公共支出会按照不同商品进行分配，公式为(22)Cjgd(t)=cgGP?g(t?1)∑gcgGP?g(t?1)Cjd(t)，其中cgG表示政府总消费中用于购买商品g的份额。匹配价格和交易价格则用于将名义预算转化为实际数量。政府的预算平衡状况ΠG(t)为：(23)ΠG(t)=YG(t)?CG(t)+BG(t)+rGLG(t?1)，其中YG(t)为税收收入（见公式(34)），BG(t)为社会福利支出，rGLG(t?1)为利息支出。公共债务的累积规律则为：(24)LG(t)=LG(t?1)?ΠG(t)。4.4. 其他国家/地区贸易动态通过进口和出口来体现，这些交易反映了国内经济与国外经济之间的互动关系。实际进口量YI(t)和出口量CE(t)的增长速度遵循自回归模型，公式分别为：(25)Δ%YI(t)=αIΔ%YI(t?1)+βI+?I(t)，(26)Δ%CE(t)=αEΔ%CE(t?1)+βE+?E(t)，其中?代表随机冲击，α和β则是自回归模型中的参数，分别用于体现常数项和趋势项。这种表述方式忽略了价格和竞争力因素，因为进口和出口的变动与相对价格或汇率无关。虽然这种简化使得结果不必考虑国内外价格因素，但未来的研究可以引入与价格相关的贸易动态，以便更清晰地体现真正的竞争力因素。总出口需求CE(t)会分配给L个外国消费者：(27)Cld(t)=CE(t)∑gcgEP?g(t?1)(1+πe(t))/Land会分配给各类商品：(28)Clgd(t)=cgEP?g(t?1)∑gcgEP?g(t?1)Cld(t)，其中cgE表示总出口中用于购买商品g的份额。匹配价格和交易价格则用于将名义出口预算转化为实际数量。某个代表性的外国企业m向意大利出口的商品量为(29)Ym(t)=cgIYI(t)，其中cgI表示用于进口商品g的份额。4.5. 银行行业和中央银行银行业向企业和家庭提供信贷，而中央银行则通过设定政策利率来稳定通胀率和经济增长率。政策利率r?(t)遵循泰勒规则：(30)r?(t)=max0,ρr?(t?1)+(1?ρ)r?+π?+ξπ(πEA(t)?π?)+ξγγEA(t)，其中ρ代表政策利率的调整速度，r?为实际均衡利率，π?为中央银行的通胀目标。参数ξπ和ξy分别代表中央银行在通胀稳定和经济增长之间所赋予的相对权重。πEA(t)和γEA(t)分别代表货币联盟的通胀率和经济增长率，这两者均被假设为遵循AR(1)模型。5. 模型校准与修正该模型采用1:1000的缩放比例来还原意大利经济的结构，这一比例既保证了计算的效率，又保持了各行业之间的足够差异性。比例过小，如1:100,000，会导致多数行业平均只有不到一家企业，从而无法体现行业内部的动态变化。在所选的比例下，模拟经济体系包含约25,900户经济活跃家庭和33,400户非活跃家庭，大约1200个政府机构以及2500名外国消费者。生产端则由4,933家分布在62个行业中的企业构成，这些行业是根据NACE两位数分类标准确定的，以此展现各行业间经济活动的动态关联性与相互联系。每个行业都拥有足够数量的生产者，以便在生产力、投资及定价行为上呈现行业特有的差异性。这样的比例设定既保持了意大利经济的相对结构，又将计算成本控制在可行范围内。表A.7汇总了2019年意大利经济所有经过校准的参数及人口统计数据。家庭根据其劳动力市场状况和收入构成进行区分，具体结构详见4.1节。它们可分为：(i)有工作的家庭，获得名义工资wh(t)；(ii)失业家庭，按替代率θUB领取救济金；(iii)非活跃家庭，如退休人员和学生，获得社会转移支付sbinact(t)。所有家庭还可能收到其他一次性转移支付sbother(t)，部分家庭还会以资本家身份从企业或银行利润中获取股息。具体而言，每家企业和每家银行都对应一个资本家家庭，他们按支付比率θDIV获得股息，该比率已扣除所得税和企业税率(τINC, τFIRM)。因此，不同家庭的可支配收入存在差异，并且会随着就业状况、财政政策以及预期通货膨胀率πe(t)而发生内生变化（见方程(2)）。通过这一结构，模型能够体现工资劳动者、转移支付接受者以及资本所有者之间的收入差异，进而使他们对经济冲击产生不同的消费和储蓄反应。模拟的时间范围为2020年至2050年，每个时间步长对应一个季度。人口和劳动生产率被视为外生变量：模型中家庭和企业的数量按照1:1000的比例还原意大利经济，且基于校准所用的人口普查数据，保持2019年的水平不变，而生产率则根据特定情景假设发生变化。碳税也是外生变量，而绿色激励措施则在模拟过程中内生确定，反映了财政政策、投资决策与信贷市场之间的相互作用。5.1 能源行业分解我们将绿色转型视为由两种不同动力驱动的：(i)电气化，即电力在整体能源结构中所占比例的上升。在这一过程中，企业和家庭逐渐用电力替代化石燃料，从而降低自身的排放强度；(ii)电力生成的脱碳，表现为从传统的化石燃料发电方式逐步转向可再生能源发电方式，提高清洁能源在总电力供应中的占比。因此，根据CPAD（NACE分类）划分的能源行业，可依据EXIOBASE数据库进一步细分为三个子行业：绿色电力生产、棕色电力生产以及非电力生产。绿色电力行业包括风能、太阳能和水能等可再生能源，旨在减少排放；棕色电力行业则涵盖天然气、石油、煤炭等化石燃料发电方式；最后，非电力行业涉及除电力以外的能源生产和使用，包括交通燃料、供暖以及工业流程用能。为实现这种区分，投入产出表从Di Domenico等人（2025年）使用的62×62格式扩展为64×64矩阵。这就需要为绿色电力、棕色电力和非电力这三个子行业指定生产函数，同时明确所有行业与这些子行业之间的生产关系。此外，我们还将需求（家庭和政府的消费、投资、进出口以及企业的中间消耗）进行拆分，明确将其分配到三个能源子行业中，分别确定各子行业所占据的份额。为将NACE D35类别下的能源行业拆分为三个独立的子行业，我们需要整合EXIOBASE和NACE的数据。之所以需要整合，是因为Eurostat的数据（基于NACE两位数分类）并未对绿色和棕色能源生产进行细分。EXIOBASE则提供了详细的投入产出数据、最终需求以及生产要素信息，尤其突出了与气候相关的方面。首先，我们根据自身的分类标准，找出与Eurostat中D35 NACE行业相对应的EXIOBASE行业，并将其归入三个子行业。相关映射关系见表1。为确保一致性，并在总体层面上保持流量与存量之间的平衡，我们从Exiobase数据集中获取的数值（如消费、盈余、工资、税收等），会按照该数据集中详细的行业分类比例进行分配。例如，我们利用Exiobase数据计算出绿色子行业在绿色、棕色和非电力行业总和中所占的资本消耗或运营盈余比例。然后将这些计算出的百分比应用到Eurostat报告的NACE D35行业的总资本消耗或运营盈余上，从而实现各子行业之间数值的一致分配。拆分结果见表2。表1. D35 NACE行业（能源）与EXIOBASE行业的对应关系。空白单元格NACE子行业EXIOBASE对应关系棕色D35.1：电力生成、传输与分配电力的分配与交易电力传输煤炭发电天然气发电核能发电石油及其他石油衍生物发电绿色D35.1：电力生成、传输与分配电力的分配与交易电力传输水力发电风能发电生物质能及废物发电太阳能光伏发电太阳能热发电潮汐能、波浪能、海洋能发电地热能发电非电力D35.2：气体制造及通过管道输送气体气体制造、通过管道输送气体空白单元格D35.3：蒸汽与空调供应蒸汽与热水供应由于缺乏关于资本存量的精确数据，我们假设三个子行业之间的分配比例与资本消耗的分布模式一致。此外，由于没有关于企业的详细数据，我们假定企业在各子行业中的占比与就业情况相似。表2. 分配比例汇总。比例棕色绿色非电力资本消耗0.3550.5280.117资本存量0.3550.5280.117资本形成0.6110.1050.284家庭消费0.7510.2460.002政府消费0.6020.1350.263出口0.6200.0990.281进口0.5710.0840.345存货0.6230.0950.282运营盈余0.3560.4960.148雇员补偿0.3220.0760.602工资0.3220.0760.602生产税0.4090.1070.483产品税0.5060.4120.082就业0.3220.0760.602企业0.4400.4400.121排放量0.5480.0790.373中间消耗则需要单独讨论。为确定其他行业从三个能源子行业获取投入的来源，我们以这些子行业在宏观层面的贡献比例作为分配依据（见表3）。要将能源行业（D35）所吸收的中间消耗拆分到三个子行业，理想情况下需要详细的数据来展示所有行业向这三个子行业的流量分布。但由于将163个Exiobase行业与64个NACE分类相对应十分复杂，因此我们只关注在NACE框架下对能源行业贡献最大的四个供应商，因为它们显然最为重要。对于这些供应商，我们成功实现了ExIobase数据与Eurostat-NACE框架之间的数据对应。而对于其他所有行业，中间产品则平均分配给三个能源子行业，每个子行业占三分之一。以下是中间消耗背景下各行业贡献比例的汇总表：行业排放数据是根据ISTAT在环境账户体系中提供的NACE Rev. 2分类标准进行校准的，如图1所示。此外，为将排放量分配到绿色和棕色电力行业，我们还使用了EXIOBASE中的温室气体排放数据（见表2）。表3. 中间消耗的拆分情况。中间消耗行拆分棕色0.479绿色0.160非电力0.361中间消耗列拆分棕色绿色非电力B0.7450.2480.006C190.2940.0850.620D0.6500.3350.015H490.2810.1020.616...0.3330.3330.333下载：下载高分辨率图像（227KB）下载：下载全尺寸图像图1. 根据NACE64标准，2020年的行业排放数据。ISTAT，环境账户与大气排放（NAMEA）。5.2 外生趋势与内生传导模型整合了NGFS情景中的关键参数，包括碳定价、电气化率以及碳捕集技术。所有行业都需缴纳碳税，具体税率见图2(a)面板。电气化被视作一种外生趋势，其发展情况见于图2(d)面板。实际上，随着NGFS情景中所预测的电气化速度提升，用于电力生产的能源需求比例也会上升，而这会以减少非电力行业所占的能源比例为代价。碳捕集与储存的规模如图2(c)面板所示，这些数据被用于降低总体排放量。为考虑劳动生产率提升以及气温变化带来的气候相关损害，我们还采用了NGFS在不同情景下提供的劳动生产率趋势数据（见图2(b)面板），这些数据表明，更高的排放水平会降低劳动生产率。不过，物理层面的气候损害也可能影响生产性资本存量，尽管我们认识到了这一现象，但决定在未来的模型改进中再深入研究。劳动生产率提升和碳捕集被视为外生因素，而非由相关的资本或研发投资所驱动。未来模型的发展应将这些因素纳入考量。虽然为了与NGFS情景轨迹保持一致，一些关键的转型驱动因素是被外生设定的，但宏观经济和行业层面的结果并非完全由这些输入决定。模型会内生地生成不同企业间的成本结构差异、利润率差异、信贷约束以及跨行业的投资重新分配。碳定价的影响会通过反映固定技术系数和行业特定排放强度的成本结构，在投入产出生产网络中传播。因此，碳定价与行业生产动态之间的相互作用会产生非线性的调整路径，这些路径取决于相对盈利能力以及网络传播效应。这一框架使我们能够评估，一旦将符合NGFS要求的转型路径嵌入到分散的、多元的和非均衡的生产系统中，这些路径是否依然可行。下载：下载高分辨率图像（133KB）下载：下载全尺寸图像(a). 碳价，欧元/吨二氧化碳当量。下载：下载高分辨率图像（132KB）下载：下载全尺寸图像(b). 劳动生产率，人均GDP。下载：下载高分辨率图像（133KB）下载：下载全尺寸图像(c). 碳捕集与储存，百万吨二氧化碳当量。下载：下载高分辨率图像（139KB）下载：下载全尺寸图像(d). 电气化强度，电力/二次能源总量。图2. 输入到ABM宏观模型中的NGFS IAM变量作为外生趋势。下载：下载高分辨率图像（957KB）下载：下载全尺寸图像图3. 碳定价政策的影响。净零情景，绝对值（左侧面板），与当前政策的百分比偏差（右侧面板）。下载：下载高分辨率图像（986KB）下载：下载全尺寸图像图4. 碳定价政策的影响。净零情景，绝对值（左侧面板），与当前政策的百分比偏差（右侧面板）。下载：下载高分辨率图像（901KB）下载：下载全尺寸图像图5. 碳定价政策的影响。净零情景，绝对值（左侧面板），与当前政策的百分比偏差（右侧面板）。下载：下载高分辨率图像（913KB）下载：下载全尺寸图像图6. 碳定价政策的影响。延迟减排情景，绝对值（左侧面板），与当前政策的百分比偏差（右侧面板）。下载：下载高分辨率图像（947KB）下载：下载全尺寸图像图7. 碳定价政策的影响。延迟减排情景，绝对值（左侧面板），与当前政策的百分比偏差（右侧面板）。下载：下载高分辨率图像（861KB）下载：下载全尺寸图像图8. 碳定价政策的影响。延迟减排情景，绝对值（左侧面板），与当前政策的百分比偏差（右侧面板）。5.3 碳定价的制度诠释碳价可理解为随着排放上限逐步收紧而产生的简化形式的影子价格，而非在欧盟排放交易系统——ETS之上额外加征的税收（或者，它也可被视为一种相当于税收的工具，能够完全取代ETS）。这种诠释避免了监管成本可能被重复计算的弊端。因此，该模型能够捕捉到碳定价的配置效应，同时无需考虑欧盟排放配额交易的制度细节。随着时间推移，排放上限的降低会导致配额日益稀缺，进而推高碳的影子价格，从而进一步强化减排的动力。这一诠释与环境和能源经济学中的标准方法是一致的。事实上，在实证和理论分析中，人们普遍使用碳价作为ETS机制的替代指标。这种方法能够体现交易体系中嵌入的排放边际成本，而无需刻意构建复杂的制度模型。诺德豪斯在2019年获得诺贝尔奖时的演讲中强调，碳定价应是气候缓解的核心政策工具，他明确指出：“可以通过设定允许的排放量上限并允许其交易（‘限额与交易’），或者通过对碳排放征税（‘碳税’）来提高价格。”Weisbach和Metcalf（2009）指出，“详细探讨如何实施碳税，有助于在最终选择碳排放定价机制为总量控制与交易系统时，更好地决定其实施方式”。采用这一框架的重要研究包括Stern（2007）的研究，他强调了碳价在引导长期投资决策中的作用。尽管在文献中，碳价常被用作排放交易系统的简化表述，但一些研究，如Stern（2008）、Stavins（2019）和Chen等人（2020）则分析了这两种方法之间的异同。Stern（2008）指出，“如果税收与碳交易并行，很难以确定统一且明确的碳价，从而导致信号混乱和效率低下”。不过，如果设计得当，二者可以共存：Cao等人（2019）研究了将ETS与针对非ETS行业的碳税结合的混合系统的效果。实际上，监管体系可能会变得极为复杂。例如，欧洲的气候政策框架就包含了一系列协调一致的监管和市场工具。总体而言，这些工具构成了一套协调一致的框架，在该框架下，碳价反映了日益严格的排放限制所带来的隐性价值。

5.4 模型修正
为使基准模型能够用于预期分析，所需的关键修正如下。首先，企业需修改其定价公式：(31)Pi(t)=Pi(t?1)?(1+πe)︸预期通货膨胀率?(1+πic)︸成本推动型通货膨胀率，即在成本推动型公式中加入碳税（以红色标注），同时减去绿色生产激励（以绿色标注）。具体公式为(32)πic(t)=(1+τSIF)w?iα?iP?HH(t?1)Pi(t?1)?1︸单位劳动力成本上升幅度+1βi∑gasgP?g(t?1)Pi(t?1)?1︸单位材料成本上升幅度+δiκiP?CF(t?1)Pi(t?1)?1︸单位资本成本上升幅度+μieCP(t?1)Pi(t?1)?1︸单位碳成本上升幅度?incgr(t?1)Pi(t?1)?1︸绿色激励上升幅度，其中i属于行业集合Is。此处，α?i表示平均劳动生产率，w?i则表示经过家庭消费者价格指数P?HH(t)调整后的平均工资，其中还包含了雇主按τSIF比例缴纳的社会保险费用。1βi∑gasg则是行业s在生产商品g时所使用的中间投入品的实际单位成本，这些成本会根据商品g的价格P?g(t)进行加权。单位产出的资本成本则由折旧率δi和资本生产率系数?i决定。最后，P?CF(t)表示资本货物的平均价格。μie=EiYi表示企业i的排放强度，即排放量Ei与产出量Yi的比值。我们假设碳价会完全传导至能源和商品的最终价格，这一假设与Lafrogne-Joussier等人（2023）在俄罗斯入侵乌克兰引发的近期能源危机背景下的实证研究结果一致，也与Reissl等人（2025）等类似建模框架相符。inc_gr是每单位产品的绿色激励，计算方式为政府征收的碳税总收入除以绿色能源生产的总产量，这样一来，该激励数值会在模拟过程中根据模型内部动态自行确定，因为碳税收入和绿色电力行业的产量都会随模型发展而变化。此激励仅适用于绿色电力生产行业。

第二项修正在于，我们修改了企业的利润公式，将碳税和绿色激励纳入其中，具体如下：(33)Πi(t)=Pi(t)Qi(t)︸销售收入+Pi(t)ΔSi(t)︸库存变动额?(1+τSIF)wi(t)Ni(t)P?HH(t)︸劳动力成本?1βiP?i(t)Yi(t)︸材料成本?δiκiPiCF(t)Yi(t)︸折旧费用?μieCPi(t)Yi(t)︸碳价税收?incgr(t?1)Yi(t)︸绿色激励?τiYPi(t)Yi(t)?τiKPi(t)Yi(t)︸产品/生产的净税收/补贴?r(t)(Li(t?1)+max(0,?Di(t?1)))︸利息支出+r?(t)max(0,Di(t?1))︸利息收入。与之前相同，绿色激励仅适用于从事绿色电力生产的企业。与前述修正相对应，政府的收入公式也做了相应调整：(34)YG(t)=(τSIF+τSIW)P?HH(t)∑h∈HE(t)wh(t)︸社会保障缴费+τINC(1?τSIW)P?HH(t)∑h∈HE(t)wh(t)︸劳动所得税+τVAT∑hCh(t)︸增值税+τINC(1?τFIRM)θDIV∑imax(0,Πi(t))+max(0,Πk(t))︸资本所得税+τFIRM∑imax(0,Πi(t))+max(0,Πk(t))︸企业所得税+τCF∑hIh(t)︸资本形成税+∑iτiYPi(t)Yi(t)︸产品的净税收/补贴+∑iτiKPi(t)︸生产的净税收/补贴+τEXPORT∑lCl(t)︸出口税+CP(t)∑iEiYi(t)︸碳税?incgr(t)∑iEiYi(t)︸碳激励。此外，我们还修改了企业的预期和投资行为。具体而言，对于D35.1类的电力生产行业，我们在设定预期产量时引入了一个调整因子，记为?(t)，即(35)Qis(t)=Qid(t?1)(1+γe(t))(1+?(t))，其中?表示企业i的利润率与所在行业s的平均利润率之间的差距。这一修正反映了行业内的相对盈利能力：如果企业的表现优于行业平均水平，它就会增加投资；反之则减少投资。此外，Poledna等人（2023）研究中所有企业所使用的原始投资函数(36)Iid(t)=δiκiminQis(t),κiKi(t?1)也被修改，以便允许出现正的净投资，并考虑到需要用电能替代非电能驱动的机械设备，这一需求与NGFS情景中确定的外生电气化趋势gelec相一致，修改后的公式为(37)Iid(t)=gelecδiκiQis(t)。增加投资的需求与Pettena和Raberto（2024）的研究结果一致，他们指出向低碳经济转型需要持续的投资努力。最后，我们还修改了能源市场的匹配机制。非电力市场遵循与经济其他领域相同的搜索和匹配规则，以确保与更广泛的经济活动保持一致。而电力市场则包含绿色电力和传统电力两大子市场，其运行规律有所不同。市场出清机制确保在供应充足的情况下，供给能够完全满足需求，そして通过效率最低的企业的边际成本来确定统一的销售价格，从而为两个子市场中的所有企业设定相同的价格。

6 结果
该模拟涵盖了2020年至2050年的时间跨度，每个时间步对应一个季度。在本节中，我们将展示计算实验的结果。我们基于三种NGFS情景，设计了七种不同的案例进行模拟：
•当前政策情景（CP）：假设不采取除现有措施之外的任何额外监管措施，最终会导致排放持续居高的“温室效应加剧世界”发展路径。
•净零情景（NZ）：代表一种旨在2050年前实现温室气体净零排放的深度转型路径。该路径包括大幅减少对化石燃料的依赖，转而使用可再生能源，推动交通和工业领域的电气化，实施碳定价措施，以及应用二氧化碳捕集技术。
•延迟情景（DS）：假设将符合净零情景要求的气候政策实施时间推迟到2030年之后。

对于DS和NZ两种情景，我们分别进行了三项实验：
•债务削减（DSA和NZA）：将碳税收入用于削减政府债务。
•生产激励（DSI和NZI）：将碳税收入用于支持绿色电力生产企业的投资和发展，以推动相关产业扩张。
•政府消费（DSC和NZC）：将碳税收入用于增加公共支出。

图3、图4、图5、图6、图7和图8展示了模拟结果，以及各种DS和NZ情景与作为基准的当前政策情景之间的差异。我们首先从图3、图4和图5中的数据开始分析NZ情景。首先，在图3的a–b面板中可以看出，净零策略对GDP的影响较为温和：在NZA和NZI情景下，直到2030年代初，GDP仅比CP情景低约一个百分点，此后增长速度会超过CP情景，到2050年时，NZA情景下的GDP比CP情景高约2%，而NZI情景下的增幅则超过3%。由于投资水平更高（尤其是绿色电力发电领域），再加上经济增长带动的家庭消费增加，带有激励措施的情景在模拟结束时的表现最为优异，如图4的d面板所示。此外，通过将碳税收入用于政府消费，还可以避免短期内GDP出现相对下降的情况。实际上，NZC情景下GDP从未低于CP情景。短期内增加公共支出可以提高居民收入，从而减轻家庭消费的下降幅度，同时还能略微提升资本形成水平（见图4的a、d和e面板）。从长期来看，也就是到2050年时，NZC情景下的GDP仍能实现2%的增长，与NZA情景相近。这些结果与多数相关研究结论一致。Reissl等人（2025）指出：“关于碳定价的宏观经济效应，实证研究结果并不一致，有些研究认为碳定价对GDP没有影响甚至只有微弱的正面作用（Metcalf，2019；Metcalf和Stock，2023），而另一些研究则预测短期内会出现负面影响（Kanzig，2023）。基于模型的分析通常认为，过高的碳定价可能会降低GDP和就业水平，但也指出，合理的税收再利用方式可以缓解这些负面后果（Brenner等人，2007；Conefrey等人，2013；Allan等人，2014；Rivera等人，2016；Vermeulen等人，2018；Allen等人，2020；Wieners等人，2024）”。

在分析通货膨胀情况时（见图3的c–d面板），我们发现碳税会导致GDP平减指数上升。在CP情景中，成本推动型通货膨胀几乎为零，而在净零情景下，由于碳税的存在，这种通货膨胀出现了显著上升（如前所述，我们假设碳价会完全传导至能源和商品的最终价格）。不过，成本推动型通货膨胀的水平仍然处于较低水平。此外，NZI情景下，由于更多使用可再生能源替代化石能源，成本推动型通货膨胀还有所下降（见图5的c–d面板），因为这有助于淘汰那些边际成本较高的生产企业，进而降低能源成本。

净零情景下，到2050年排放量可减少约60%（见图5的a面板），虽然无法实现零排放，但依然能带来极为显著的积极效果。我们注意到，由于更大力度地用可再生能源替代化石能源，NZI情景在短期内能更有效地降低排放，不过从长期来看，由于NZI情景下的经济增长速度更快，其减排幅度要小于那些不对可再生能源生产企业提供激励的情景。最后，我们分析了债务占GDP的比例（见图5的b面板）。由于模型校准的原因，包括当前政策情景在内的所有情景下，这一比例都在下降。不过，在实施较高碳税的情景中，模型预测公共债务还会进一步减少。如果政府将碳税收入用于削减债务，这一降幅会更为明显。即便政府将碳税收入用于其他用途，债务削减的效果依然显著。因为在这些情景中，由于实际GDP和通货膨胀率的双重作用，名义GDP仍在增长，而更高的税收收入以及因实际GDP增长而减少的公共支出，共同使得财政赤字有所缩小。

我们还研究了延迟情景。在此情景下，直到2030年，不同设置下的模拟结果基本相同。从2030年开始，其发展趋势与NZ情景类似。具体表现为：
•在DSI情景下，与CP情景相比，GDP在短期内略有下降，但由于在可再生能源领域的投资，长期内增长势头更强。而在DSC情景下，即使是在短期内也有GDP增长，但最终GDP水平仍略低于对应的NZ情景。
•由于碳税导致的成本推动型通货膨胀，GDP平减指数会上升。
•二氧化碳排放量也会减少，不过减少幅度小于NZ情景。

采用分行业的基于代理的模型，可以更详细地分析各个行业的经济表现（各行业列表见表B.8）。不同行业的表现可能存在较大差异，尤其是那些与化石燃料相关或能源消耗密集型的行业，它们可能会面临更大的挑战。如图9所示，某些行业——如农业（A行业）和矿业（B行业）——似乎更容易受到碳税推动的生态转型所带来的短期经济衰退的影响，因为这种转型还伴随着供应链的重组。相比之下，其他行业——包括建筑业（F行业）以及各类服务业（从M行业到S行业），如教育、医疗保健和公共管理领域——受到的影响则相对较轻。此外，公共支出回扣政策（NZC情景）惠及了大多数行业，尤其是从O到R阶段的行业在短期内表现出显著改善。最后，在NZI情景下，能源行业（D）则呈现长期大幅增长的趋势。下载：下载高分辨率图片（914KB）下载：下载全尺寸图片图9. 净零增加值，与当前政策情景的百分比偏差水平。6.1 稳定性检验作为稳定性检验，我们进行了100次蒙特卡洛模拟，时间范围从2011年第一季度到2019年第一季度，每年重新初始化一次。当前政策情景以及通过减少债务实现净零排放的情景的结果详见附录C.1，主要结果得到了验证。作为进一步的稳定性检验，我们在净零排放情景下测试了系统对不同碳税水平的反应（设定为之前模拟所用水平的150%和200%），这些碳税收入用于削减公共债务。附录C.2中的结果进一步证实了目前的发现。不过，随着碳税的增加，短期内到中期内GDP会出现更大降幅（尽管降幅幅度较小），之后又会恢复。政府及家庭消费、出口、进口以及实际资本形成也呈现出同样的趋势。其中最显著的偏差是通货膨胀，随着碳税的增加，通货膨胀率也会上升。模拟结果显示，仅提高碳价就能带来额外的减排效果，但仍然不够。换句话说，在意大利生产网络所具有的行为和技术刚性条件下，符合NGFS要求的碳价设定和电气化路径似乎不足以在没有更强结构转型机制的情况下实现完全的净零排放。因此，在附录C.3中，我们通过将碳价和电气化推进力度提升至基准水平之上，进行强度测试，以评估在何种条件下，分散式的生产模式能够朝着完全净零排放的目标发展。我们发现，碳价和电气化的共同提升会促使替代效应呈非线性加速，从而帮助实现净零排放目标。为应对与结构性断裂和地缘政治不确定性相关的问题，我们还进行了一组额外的压力测试模拟，对这些关键结构参数施加临时但重大的冲击。具体而言，我们考虑了严重的能源危机（AEC）、更广泛的地缘政治动荡（GD）以及持续的贸易分裂状况（PTF）。这些冲击是与NGFS转型驱动因素相互独立的，并叠加在附录C.3中描述的基准净零情景之上，旨在评估为彻底消除剩余排放所需做出的额外调整。详细结果见附录C.4。这三种压力测试情景都会导致实际GDP立即下降，且相比当前政策基准值，GDP平减指数的上升幅度更大。不过重要的是，这些干扰并未改变转型的长期方向：减排仍主要由政策措施推动。短期内，在存在外部冲击的情景中，由于生产活动大幅收缩，排放量会更快下降。这一结果应结合模型未包含此类冲击引发的结构性行为变化这一事实来理解。7. 结论与未来展望在本研究中，通过运用针对意大利经济量身定制的Agent-Based Model，我们详细分析了不同NGFS气候情景下的宏观经济效应，包括当前政策情景、延迟情景以及净零情景。该模型将碳价路径和电气化趋势纳入框架之中，从而为各部门及整体经济动态提供了洞察，有助于深入理解其中的权衡关系。模拟结果揭示了几项重要发现。首先，在延迟情景（适度减排）和净零情景（大幅减排）下，排放量都会下降，但在我们所设定的分散式经济体系中，符合NGFS要求的基准转型路径仍不足以在2050年前实现真正的净零排放。更高的碳价路径虽然能带来更大的减排效果，但也会给某些行业带来短期成本，尤其是那些依赖化石燃料且能源消耗密集的行业，如农业、矿业和制造业。仅靠进一步提高碳税并不足以弥补剩余的排放差距。相比之下，碳价提升与电气化推进相结合，则有望实现净零排放目标。总体而言，与当前政策情景相比，GDP在短期内仅出现小幅下降，而由于对可再生能源领域的投资，长期增长势头则更为强劲。值得注意的是，当碳价收入与更高的政府消费相结合时，对GDP的负面短期影响就能得到完全抵消。GDP平减指数上升，反映出与碳价上升相关的成本推动型通货膨胀。然而，当碳价政策与绿色投资激励措施相结合时，这种通胀压力就能得到一定程度的缓解。这些发现凸显出精心设计的政策组合在实现环境目标与持续经济增长之间的平衡方面的潜力，同时也表明，转型成果仍取决于碳价政策的强度以及更广泛的宏观经济环境。尽管该模型捕捉到了若干重要的传导渠道和行业特定动态，但它也存在结构性局限，且基于一些简化的假设。技术进步并非由投资或边干边学机制内生驱动，而是在不同情景中外生设定的。同样，碳捕集与储存活动也不会产生经济产出，因为它们在模型中并未与任何投资行为相联系。生产函数依赖于固定的列昂惕夫系数，电气化除外，后者被视为能源结构中的外生变化。实际上，电气化进程本可以内生化处理，例如与政府激励措施挂钩。而在消费方面，则假设支出占比是固定的；这种处理方式可能会高估相对价格变动带来的偏好变化，而实际上可以通过商品之间的替代弹性来更准确地描述这种行为。此外，用于校准模型的供给使用表也可以通过采用供给使用表来加以扩展或改进。该模型仅考虑了与劳动生产率相关的慢性物理风险传导渠道，而急性物理风险（如极端天气事件）以及其他损害途径，如基础设施损毁或资本破坏，则未被纳入考量。这些都是未来研究可改进的方面。不过需要指出的是，诸如技术进步建模（以及政治约束或能源基础设施问题）之类的问题在各类建模方法中都很常见，很可能无法完全解决。例如，CGE模型通常依赖关于技术进步的外生假设，这限制了它们捕捉对气候转型至关重要的创新内生过程的能力（Aldy等人，2010年）。此外，这类模型通常假设规模报酬不变且市场完全竞争，这可能无法完全反映向低碳经济转型的现实复杂性（Sato等人，2011年）。总之，本研究证明了Agent-Based Model作为一种强大工具，在分析气候转型政策的复杂性方面具有重要作用。借助其灵活性以及对主体行为的细致刻画，研究人员和政策制定者能够获得有针对性的见解，为全球向可持续未来转型提供指导。作者贡献说明Michele Catalano：可视化、验证、软件、方法论、研究、形式分析、数据整理、概念构建。Jacopo Di Domenico：原文撰写、验证、软件、方法论、研究、形式分析、数据整理、概念构建。Luca Riccetti：原文撰写、监督、软件、方法论、研究、资金获取、形式分析、概念构建。Michele Catalano|Jacopo Di Domenico|Luca Riccetti