为异构代理的复杂系统建模以更好地设计

他们的影响主要是事后评估；然而，在这里，依靠事后政策评估并不符合行动的时间尺度。缓解气候变化的政策分析是复杂的，现实的提议必须考虑政治和体制（国内和国际的法律）背景。例如，一些环境差异技术（例如某些补贴或饲料添加剂）可能不符合国际经济法，并可能引起重大法律争议（Vinuales，2012）。此外，碳定价机制的引入（例如限额交易制度，在该制度中，津贴至少在最初阶段是根据之前的排放量自由分配的）在政治上可能与能源/燃料标准或排放税有很大不同，因此成功的可能性也不同。因此，研究政策措施的有效性和可行性需要将决策机制和法律方面的专业知识与投资者和消费者决策建模方面的专业知识相结合。然而，在当代最先进的气候变化缓解研究中，如此广泛的专业知识整合是极为罕见的。作为基于模拟的可持续性政策评估工作结构的一部分，我们在这里提出了一个双向反馈，包括国内/比较政治以及环境、投资和贸易法方面的知识。这将有效地指导场景创建的“假设”方法，以测试潜在的政策，而不是提出已经“最优”的政策。有效地，在一个不基于优化的模型中，政策的评估基于其通过同时使用几个相互作用的政策工具有效实现特定目标的能力。

这种方法避免了更常见的孤立评估，并考虑了跨部门的政策影响。事实上，欧盟委员会在其影响评估指南（EC，2009年和2015年）中推荐了这种方法。范式转变的实际相关性：四个关键气候政策问题的具体应用3。1.消费者异质性对新交通技术差异的影响代理异质性对技术采用的重要性可以通过经验确定，如图3所示，以私人乘用车购买为例，从最近的工作中得出（Mercure和Lam，2015）。如图3所示，在英国，汽车购买价格的分布与收入分布密切相关（panela）。不同价格的汽车具有不同的制造商额定排放量，因此排放量分布相似（panelb）。采用替代发动机技术的车辆的分布还不尽相同，这源于它们的逐步差异过程，与传统车辆的分布相比，这种差异的发生是不均匀的（图c）。最后，额定排放量通过对数线性关系与车辆价格相关。汽车购买选择在很大程度上取决于每个消费者各自的社会群体，通过社会互动，如实证研究所示（例如McShane et al.，2012）。这通常可以解释上述消费行为和收入分配之间的关系。消费者不会试图将运输成本降至最低；相反，他们显然购买了在他们可见的环境中最常见的东西，而社会群体的多样性正是形成上述对数正态分布的原因。

或者，我们可以说消费者在其社会互动定义的市场子集（有限理性）内实现效用最大化。因此，似乎有必要分别研究每个收入阶层和每种类型的消费者。如果我们现在探索汽车市场减排政策可能导致的车型之间的替代，我们可以从这些分布中计算替代弹性，方法是通过统计确定哪些车型最受欢迎20 40 60 80 100002040608010120140汽车价格（kUSD）销售（千辆）UKAll车辆混合动力x 10电动x 100b）0 20 40 60 80收入（kUSD/年）0 20 40 60 8000.511.522.53价格（kUSD/车辆）%人口英国收入分配K汽车购买分配A）10 20 50100 2000050100150200250300350400车辆价格（K2012美元），对数标度排放量（gCO2/km）R2=0.71R2=0.50R2=0.63汽油-经济汽油-中汽油-柴油-经济柴油-中柴油-混合动力-经济混合动力-中混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合动力-混合私营部门排放税效力的多样性和市场结构（摘自Mercure和Lam，2015）。a） 英国收入分配与近期车辆采购价格分配的比较。b） 比较英国传统和非传统汽车发动机技术的市场覆盖率。c） 车辆碳强度的相关分布。d） 英国汽车市场的价格和排放结构，从中可以得出可能的税收效应。发现这些房地产在不同经济体中存在差异（Mercure和Lam，2015）。可能在相同的新价格区间内选择（税后）。

因此，消费者技术（包括低碳系统）的采用率正是源于这种多样性，这种多样性在世界各地都有所不同（如Mercure和Lam，2015年所示）。这使我们能够利用市场数据确定某些低碳政策（税收、补贴）在鼓励技术替代方面的有效性。事实上，这正是营销研究在将新产品投放市场之前预测销售额所做的。这些信息可以输入到技术差异模型中，该模型旨在重现典型的S型产品（例如，在未来技术转型（FTT）模型中，Mercure，2012），以提供预期的采用率（参见下面的图5）。这种表述再现了技术锁定。然而，这幅图并不完整，因为它并不代表态度和文化。然而，正如企业试图在市场上投放新产品一样，由此获得的更详细信息有助于更好地描述在整个扩散周期中拟议政策可能导致的技术采用率。相比之下，基于优化的模型最多只能通过参数化分配给特定细分市场的技术的不同折扣率来典型地描述消费者行为的变化。3.2. 绿色增长：低碳投资对就业和收入的影响通过低碳投资、收入和就业之间的联系，可以说明考虑贷款人预期、技术差异和宏观经济变量之间相互作用的重要性。图4基于非均衡宏观经济模型，该模型不受充分就业0501000差异（亿美元）a.投资（2000亿美元）0510152025 b.ZF补贴支出050010001500 c.ZF从ETS0204060获得的收入差异（%）d。

电价-101234 e.就业051015 f.实际可支配收入2-5051015差异（%）g.消耗量2-1012 h.消费价格指数2-2.-101234 i.北美、欧洲、印度和世界其他地区的真实GDP图4：使用非均衡后凯恩斯主义模型E3MG-FTT研究低碳发电机投资可能产生的经济影响示例（见Mercure et al.，2015）。垂直轴指的是与基线相比的变化，前三个面板以十亿美元为单位，下六个面板以百分比为单位。约束（E3ME/E3MG剑桥计量经济学，2014b）。根据影响电力行业经济的预期，它显示了技术融资过程中可能存在的因果链。Mercure等人（2015年）对该计算进行了进一步描述。在该模型中，对技术开发的融资没有限制，与均衡模型相比，均衡模型与利率没有直接关系（假设在均衡状态下清算货币市场）。换句话说，银行通过信贷创造为企业家提供低碳投资的金融资源。该模型的关键假设只是创业活动的偿付能力，即低碳项目的经济可行性。

因此，没有人声称经济体系对资金流动没有任何限制：假设在任何情况下融资的所有技术风险都是可盈利的（例如，通过假设持续可信的政策和/或价格使这些风险可行），并且ZF和/或私人债务不会无限增加。这确保了不会出现因不可持续的债务增长而导致金融不稳定的情况。选择这个例子是为了表明模型中缓解政策的经济结果完全取决于模型架构，如果考虑到非平衡效应，影响可能（但不一定）是有益的。在这个例子中，电力部门的脱碳量为90%（之前发表在Mercure等人，2014年）。低碳发电技术（如风力涡轮机、太阳能电池板、碳捕获和储存）的更高成本由公用事业公司转嫁到其向客户支付的账单中，即与不断发展的技术构成成比例的更高电价。创业活动需要贷款来为新的低碳资本融资，这需要比现有化石燃料发电厂更多的投资。银行创造资金来资助这些企业。贷款由使用更高电价（例如，可能的供电）的企业在资本存续期内偿还，随着贷款的偿还，额外的资金逐渐被销毁。在该模型中，如图4所示，投资产生的较高水平的资金流动（面板a）创造了就业机会（面板e），增加了可支配收入（面板F）和消费（面板g），并可能对流动产生影响（面板h）。与此同时，较高的电价增加了大多数行业的运营成本，从而减少了就业、家庭收入和消费（同工同酬），也就是说，这是一种影响因素。

在模型和情景中，观察到这两种效应大致相互抵消（见Mercure等人，2015）。在这种特殊情况下，产生积极的“绿色增长效应”的部分原因是再分配政策，部分原因是就业增加。旨在激励技术变革（碳定价）的燃油税（c组）所带来的收入减去技术补贴（b组）的支出，确实被循环用于降低所得税。这将使系统的平衡朝着比基准情景（更高的GDP，第一组）更高的收入水平移动。当投资和再分配下降，而电价仍然居高不下时，这种影响在晚年（美国、欧洲）会减弱，当技术改造完成，社会只面临偿债时，这种影响甚至可能逆转。债务偿还是通过消费者支付更高的电价来实现的。因此，请注意，在这种情况下，虽然经济增长有所增强，但私人债务也会在模拟结束后增加。在非均衡理论中，当贷款发放时，短期内借入的投资流间接导致需求增加，而当贷款逐渐偿还时，长期内借入的投资流间接导致需求减少。提高借贷水平会产生基于债务的增长，如果不明确地进行，会带来巨大的繁荣，但最终会导致金融危机的崩溃。气候变化缓解不太可能导致不确定的借贷。但这可能需要大量资金。根据基恩（例如，基恩，2011年）的说法，长期的债务增长和过度的债务水平是近期银行危机的根本原因，历史上可能还有许多其他经济周期（佩雷斯，2001年）。

这表明，经济危机后的经济复苏战略与缓解气候变化政策战略之间存在着复杂的纠葛。金融危机涉及银行拒绝在量化宽松的情况下放贷，而缓解这一潜在的经济刺激因素需要增加能源部门的融资。我们的结论是，需要进行进一步的研究，以了解各经济体能够切实承担的减少全球排放的私人和公共债务和风险水平，并澄清对其经济回报的集体预期。从复杂性/非均衡的角度来看，集体预期的影响似乎是需要解释的关键问题，而不是当前优化模型典型分析的固定资本不同分配的简单福利效应。在快速脱碳的情况下，对债务和融资渠道的分析变得尤为重要。3.3. 具有级联不确定性的过程之间的模型集成自然界的大型模型有许多不完全已知的参数，并且通过这些参数的多种组合，这些参数的变化会产生大量可能的输出值（即使只有10个参数的10种设置也会产生10种可能性）。需要统计建模技术来解释如此大的不确定结果空间。当多个模型在因果链中“软链接”时，上游模型的不确定性不可避免地会在下游产生更高的不确定性，因为我们给模型提供了更大范围的参数。

图5给出了三个软链接模型的示例，从E3MG-FTT的各个排放场景开始（请注意，这些场景与图4相同，其排放轨迹与气候模拟器耦合；它们也与Mercure等人2014年的场景a和j相同）。在（a）中，我们有一个全球电力部门组成的基线情景，根据21个地区独立计算。利用减排政策的复合情景，包括碳定价、技术支持政策（补贴和上网电价）和法规（见Mercure等人，2014年），电力行业向低碳技术（b.）转型。根据1990年的水平（c），基准排放量预计将增加318%，而在脱碳方案中，基准排放量将减少90%（d）。这些排放情景被输入碳循环模拟器GENIEem，该模拟器以95%的概率范围（例如）生成GHG浓度输出。

然后将这些数据输入气候模型PLASIM-ENTS的模拟器，即1980年2000年2020年2040010200304050发电（GWh）正常运行历史数据项目19902008a。1980年2000年2020年2040年脱碳。20082010 2020 2030 2040 20504040450500550CO2浓度（ppm CO2）1980 2000 2020 2040051015202530排放量（Gt）1990c。1980年2000年2020年2040年2020年2040年2060年2080年2100012345全球变暖（oC）203040506070全球排放量（GtCO2）核燃料油+CCSGasGas+CCSBIOmas+CCSHHydrowindsolar地热海洋缓解。f、 图5：使用E3MG/E-FTT（左4个面板）和OU模拟器（右面板）计算电力政策工具的环境影响示例，从政策到全球变暖，以及碳循环和气候系统组合模拟器的级联不确定性范围。为全球变暖（f.）以及其他当地解决的气候变化（在0.5ogrid上，未显示）生成一组场景。因此，软连接会产生双重不确定性范围，即不确定性的串联。我们发现，电力行业脱碳90%不足以避免超过50%的几率超过国际目标2oC（Mercure等人，2014年）。能源终端使用系统的所有部门都必须参与，而不是运输。在这种情况下，级联不确定性范围与级联中值轨迹一样重要。3.4. 生物燃料政策的跨部门影响在土地分配的优化模型中，农业活动的最佳分配是在所研究土地的整个表面上确定的，对于全球模型来说，这延伸到了全世界。这意味着农民们可以立即知道什么是太少和太多，并且永远不会产生多余的产品。如果没有过剩的产品或短缺，价格波动就不会发生。当然，这不是观察到的情况（Piesse and Thirtle，2009）。