气候变化政策环境影响评估

决策者可以引导用户使用特定的技术，但技术采用率同样非常复杂，其结果具有相当大的不确定性。路径相关系统的建模需要仿真模型，因为根据定义，此类系统的行为取决于当前和过去条件之间的关系。优化方法不适合建模路径依赖，因为它们不能在时间点之间建立明确的联系。（E3ME-FTT-GENIE）集成（评估（模型（3.1、E3ME-FTT-GENIE1综合评估模拟模型概述和图1：E3ME-FTT-GENIE1综合评估模拟模型图。请注意，土地使用模型正在开发中，此处未讨论。虚线表示正在开发的部分。E3ME-FTT-GENIE12模型是一个基于模拟的综合评估模型，具有充分的描述性，其中动态l（时间依赖性）人类或自然行为由经验确定的动力学关系驱动。其核心是宏观经济模型E3ME，该模型通过一组选定的计量经济关系来代表人类的总体行为，这些关系根据过去45年的数据进行回归，并预测未来35年。模型中的宏观经济学决定了对制成品、服务和能源载体的总需求。同时，FTT系列技术模块中的技术扩散决定了经济过程环境强度的变化，包括运输、发电和家庭供暖所需能源量的变化。

由于新技术的发展和扩散无法使用时间序列计量经济学很好地建模，因此在FTT中使用横截面数据集来参数化选择模型。最后，温室气体排放是由燃料燃烧和其他工业过程产生的，这些过程会干扰气候系统。采用动态耗竭算法对自然不可再生能源进行了详细建模。最后，为了确定所选政策的气候影响，E3ME-FTT全球排放量被输入到具有中等复杂性的GENIE1碳循环气候系统模型中。例如，这使决策者能够从概率上确定是否达到气候目标。图1显示了模型的结构。E3ME与几个FTT技术扩散模块动态交换信息，这些模块本身与E3ME紧密相连。E3ME为FTT模块生成对碳密集型产品和服务的需求，并反馈价格，2 E3ME：能源经济环境宏观计量模型，全球宏观计量模型。FTT：未来技术变革技术模型系列。GENIE1：基于网格的综合地球系统模型，一个综合碳循环和气候模拟模型。投资和对能源载体等其他投入的需求。自然资源模块限制可再生能源的使用，并跟踪化石和核燃料的消耗情况。这些模型一起迭代求解。该模型具有路径依赖性，因此不同的政策情景会产生不同的技术经济和环境轨迹，随着时间的推移，这些轨迹会相互偏离。

由于社会经济指标的空间相对较大，价值判断由用户来解释，因此没有唯一的参数（或目标函数）可以根据特定的结果变量优化模型。由于政策空间的规模巨大，计算任务相对密集，因此优化政策情景所需的大量努力可能没有什么价值。此外，若干不同类型的一揽子政策可以达到相同的环境结果。取而代之的是在影响评估的“假设”模式下使用该模型：选择政策，并根据政策选择观察结果。模型中设计的政策是现实世界中存在的政策工具，例如排放交易计划、能源税、车辆税、上网电价、补贴、直接监管或生物燃料授权。其他假设涉及ZF在教育、国防和其他服务方面的支出、人口统计和一些全球商品的价格。在补充信息（SI）中，我们提供了E3ME-FTT模型方程的完整交叉引用列表。3.2. 宏观经济与模型E3ME与E3ME是基于计算机的世界经济和能源系统模型，与排放量相关。它最初是通过欧盟委员会的研究框架计划开发的，现在在全球广泛用于政策评估、预测和研究目的。最近的应用示例包括[36-42]。模型的完整手册【43】可在模型网站www.e3me上获得。通用域名格式。在本节中，我们提供一个简短的摘要描述。

SI中提供了模型方程列表。E3ME将世界划分为59个全球区域，每个区域有43个部门。各区域通过双边贸易方程式联系在一起，而投入产出表则提供了不同部门之间的联系。作为一个宏观经济计量模型，E3ME的数据要求非常广泛，每个国家每个部门的每个指标都需要时间序列数据。当前的模型数据库涵盖1970-2015年，主要数据来源为欧盟统计局、经合组织、世界银行、国际货币基金组织、国际能源署和国家统计机构。用于指定方程函数形式的计量经济学技术是协整和误差修正方法的概念，尤其是Engle和Granger【44】以及Hendry等人【45】（SI第1.4节）提出的概念。因此，该模型在1970年至2015年（45年）期间回归，并在2016年至2050年（35年）期间自由运行。E3ME通常与可计算一般均衡（CGE）模型相比较，并且通常用于回答相同类型的问题，使用相同的基于场景的方法。下面描述的会计标识通常与CGE模型中的会计标识一致。E3ME的输入也类似于CGE模型的输入，不同的建模方法共享许多相同的输出指标。然而，E3ME和典型的CGE模型之间存在着关键的区别。E3ME源自后凯恩斯主义经济理论[46]，与CGE模型的新古典经济学不同（见[17，18]）。如第2.1节所述，模型中代理的起点是基本不确定性，行为是从过去的关系中推断出来的。

尽管该模型因此受到了卢卡斯的批评[47]，但它避免了关于优化和完美信息的假设，这些假设被质疑为真实世界的表现[30，48]。基本不确定性意味着，虽然观察到供需匹配的一致性，但需求等于潜在供应并不存在约束。因此，有可能存在未使用的资源，例如失业工人、未使用的设备或金融资本，如果需求需要，这些资源可以用于生产。E3ME纳入了对内生货币的处理方式【46】；CGE和其他理论建模方法中对金融的处理被认为是方法[18]中的一个主要限制，这与观察到的现实不符[49，50]。在这种需求导向型经济中，有效需求水平决定产出，凯恩斯（Keynes）[28，51]对此有独到的描述。该模型以迭代方式求解，就像经济乘数可以通过重复执行投入产出表的矩阵乘法（而不是计算逆）来估计一样。但尽管乘数分析仅计算中间需求的变化，E3ME中的计量经济学方程也使最终需求内生。至关重要的是，价格也是通过计量经济学方程确定的，而不是通过实现市场清算的自动调整。由于E3ME考虑到存在备用资源的可能性，与CGE模型相比，它有时可以产生技术变化政策的积极经济和社会效益，例如缓解气候变化。

在模型结果中预测双分割3是可能的（尽管不能保证），其中环境监管可以导致更快的经济增长率[52-54]，这在CGE模型的前提下是不可能的。E3ME基于社会核算矩阵，该矩阵涉及高度分类的投入产出表。这定义了宏观经济恒等式，其中总需求源自中间需求，！+！=！=！+！+！+！- ! ,（1） 式中，L表示劳动工资，V表示剩余增值（生产利税），Y表示总产量（GDP），C表示消费，I表示投资，G表示政府支出，X表示出口，M表示进口。这里，C、I和M来自计量经济回归，而Y来自供给等于总需求的恒等式（G是外生的）。C是收入和价格的函数，I是实际产出与潜在产出、价格和技术进步之比的函数，M是国际竞争力和技术进步的函数；进口总额被分割为双边流量，当反向时，可以将其相加，产生出口。技术进步通过累积过去的投资和研发来衡量，并随着技术的进步导致价格下降；因此，价格、消费、出口、投资和产出之间出现了良性循环，这是E3ME内生增长的根源。这与CGE模型形成对比，在CGE模型中，Y由生产函数确定，C通过宏观经济恒等式（1）导出，I等同于储蓄，Y的固定比例，技术通常是外生的。

在E3ME中，I不是Y的函数，而是通过以下事实间接相关：当经济增长率增加时，会出现更多的投资机会。SI中对此进行了详细描述。3.3。技术与变革、模型与系列、FTT以及各类技术（如电动汽车、风力涡轮机）的扩散未使用适用于时间序列的线性回归模型进行正确建模，如E3ME中每个计量经济学规范所用的线性回归模型（如能源需求）。这是因为创新的传播通常遵循网络效应，其中代理商对新技术的采用或投资受到其他代理商之前是否也这样做的强烈影响（见[55]）。这可能是因为代理商采用在其周围环境中使用的技术的可能性比他们没有经验的技术更高，和/或是因为销售额较高的公司更能够占领市场份额，而销售额相对较小的创新产品是由产能较低的公司生产的（扩大产能需要时间，并且需要对未来销售的预期）。这两个过程都导致了典型的S形扩散曲线（见[35，56]）。为了表示扩散，回归模型需要将变量回归到自身，从而导致递归内生问题，该问题没有唯一的参数解[55]。这反映了一个事实，即扩散是一个路径依赖的过程：它强烈地依赖于其过去的历史（例如，见[33]）。这也意味着，随着创新的发展，扩散会形成动力，因为创新的扩散速度越快，其速度就越快。

在模型中，这种数学特性（时间上的自相关）实际上防止了模型配置在不同但同时具有吸引力的采用途径之间瞬间翻转，使模型更直观3这里的双重红利意味着环境政策的两种同时积极影响，这一方面激励代理人应对环境危害，另一方面以提高总体收入的方式重新分配资金。现实：一旦一条路径被遵循，它就会越来越被锁定。由于这一特性，结果对非常详细的成本数据的依赖性也降低了，与更常见的社会规划师/代理代表成本优化范式相比（即代理不仅仅采用成本最低的选项；他们倾向于采用已经在市场上占据主导地位的选项。有关讨论，请参见[55]、[4、57]；在[48]中给出了明确的原因）。在FTT中，我们考虑拥有或使用产生特定服务的技术（例如发电、运输、家庭供暖）的代理商，以及考虑将该技术替换为新机组的代理商。当从i切换到j时，此类事件的发生率由技术单位的存续时间和/或融资计划决定，表示！！“。我们假设这些代理人在他们看到的市场上可用的期权之间进行比较，我们通过成对比较来构建这些期权（其他比较方案是等效的，请参见[55]）.  已经使用技术i的代理的比例是！！，这项技术的市场份额。考虑到技术优势j的代理比例为！！，技术的市场份额j。

我们用矩阵表示代理对技术j相对于技术i的相对偏好！！“，介于0和1之间的一个分数。如果我们将技术在技术类别之间转移的份额描绘为代理逐渐取代股票，那么我们可以得到以下等式：Δ！！=！！！！！！！！！”！！\"- !!\"!!\"!!!!Δ!,（2） 这一方程被著名地命名为Lotka-Volterra竞争方程，这是一个非线性微分方程系统，在生态学中更常用于表示生态系统中物种之间的资源竞争（例如，植物争夺空间）。它也广泛应用于进化博弈论[58]。该方程用于参数化类型略有不同的FTT模型。我们在[55，59，60]中详细描述了这个数学系统。图2具有不同偏好的异构代理对技术选项进行成对比较的示意图。（顶部面板）在适当选择的广义成本空间中，偏好随分布而变化。（底部面板）生成的选择矩阵遵循一系列二元logit，形成选择矩阵Fij，其中广义成本空间的变化遵循代理偏好的异质程度。转载自【60】。在FTT中，我们假设代理将自己的成本和收益最小化，但由于多代理的影响（扩散网络），这通常不会导致系统级的成本优化，实际上，我们不会优化系统总成本。偏好矩阵Fij是概率的，通过使用二进制logit确定（图2，另请参见[61，62]）。

离散选择理论被用来表示群体中代理人偏好的多样性，这种多样性决定了替代的弹性。4在这里，由于我们使用了Lotka-Volterra动力系统，与标准多项式logit模型相反，替代不是瞬时的。因此，我们在这里使用二进制logit来确定偏好，而不是替换。替换遵循首选项，但也遵循可用性。然而，它的关键特性是表示偏好的异质性，这在模型中可以理解为！！“（例如！！”=30%和！！“=70%意味着同时了解技术i和j的代理中有30%喜欢技术i，而这些代理中有70%喜欢技术j）。二元logit的计算如下。我们定义了一个广义成本轴C，该轴包含所有相关的可量化偏好成分。代理的多样性表现为代理在这一点上的感知分布成本轴（图2）。比较练习成为比较概率分布的一种。我们假设这些分布在与C简单功能相关的空间中是正态分布（在电力部门和加热模型中是线性的，见Mercure 2012【59】，运输的对数正态分布，见【7，57】）。分布比较的结果是二进制logit[60]：！！“=11+经验！！- !!!!\",    !!\"= !!!+ !!!,   !!\"+ !!\"= 1（3）这导致成本差异必须大于集团认知的多样性（即！！）！！- !!>> !!）以使一个选项的吸引力显著，从而实现扩散。这使得模型在多样性较高时对成本数据准确性的依赖性较低，通常情况下（！！通常为三分之一左右！！）。