微观教育投资政策（共3篇）
微观教育投资政策 篇1
摘要：经济适用房是我国在房改过程中为适应新的经济形势、有政府推出的新型房产种类, 是适应中低收入家庭承受能力、具有保障性的商品住房。本文将从微观经济学角度探讨经适房的推出对中低收入家庭的效用, 社会福利, 并对相关微观主体的行为进行分析。
关键词：经济适用房,效用,社会福利,委托代理
1998下半年开始, 我国城镇停止住房实物分配, 实行住房分配货币化。从此我国建立起由商品房, 经济适用房和廉租房三个不同层次的住房体系。经济适用房是为了照顾那些根据市场价格买不起房的中低收入居民, 以实现居者有其屋, 增进社会福利。但是在具体实施的过程中, 则存在很多问题, 例如市场并没有有效地进行分割, 使真正的缺房的中低收入者并没有享受到补贴, 并且由于政府, 开发商, 消费者之间信息的不对称, 则使道德风险, 逆向选择, 寻租现象普遍存在, 以致社会福利遭到损害, 社会资源没达到最优配置。
一、通过微观效用理论分析对经适房政策对社会福利的影响
用模型分析经济适用房货币补贴政策对社会福利的影响分析
模型假设:
(一) 市场能够有效将高收入者和中低收入者进行分割。
(二) 消费者的效用函数是Cobb-Douglas函数, α+β=1。
(三) 无交易成本, 消费者是价格的接受者。
(四) 消费者的行为满足效用最大化假设。
设:有n个消费者, 其中有个高收入者, 则低收入者为 (1-) n个, X1, X2分别表示高收入者和低收入者对房地产商品的消费量, Y1, Y2分别表示高, 低收入者对其他商品消费的货币总量, p表示高, 低收入者房产商品的价格。W1, W2分别表示高、低收入的预算约束, 消费者的效用函数为U (X, Y) =其中。政府通过转移支付, 从高收入者那里征税T, 转移给低收入者。
没有政府干预时:
对于高收入者:Max:U (X, Y) =
s.t.:PX1+Y1≦W1
求解可得:X1=Y1=, 对于低收入者, 同理可求X2=Y2=则社会对房产商品总需求量和其他商品总货币量为:=+* (1-) n, =+* (1-) n存在政府干预时:
对于高收入者:Max:U (X, Y) =
s.t.:P1X1+Y1≦W1-T
求解可得:X1=Y1=
对于低收入者:Max:U (X, Y) =
s.t.:P1X2+Y2≦W1+T
求解可得:X2=Y2=则社会对住房商品需求量和其他商品的货币需求量:=+ (1-) n, = (1-) n+n。
通过对比上述的结果可知, 对于高收入者税后房产产品消费量和用于其他产品的货币量都少于税前, 所以其福利损失, 对于低收入者房产产品消费量和用于其他产品的货币量都多余税后, 所以增进了福利。但是对于整个社会来说, , , 福利没有改变。通过损失高收入者的福利, 来增进低收入者的福利, 虽然提高了社会公平但是不符合帕累托改进的原则。并且货币补贴政策无形当中对推动普通商品房的市场价格。
二、通过政府与开发商之间的委托代理关系分析
在此理论模型中, 政府属于委托人, 处于信息劣势方, 开发商是代理人, 是信息优势方。在这个过程中, 信息在政府和开发商之间是非对称的。政府无法观察到实际的建造成本和销售对象等。政府的目标是通过收入的再分配, 解决中低收入者住房问题, 增进社会福利, 而开发商的目标是追求利润最大化。两者的目标不同, 信息非对称造成了信息经济学中的委托代理问题。
模型假设:
(一) 政府对开发商只有两种:有效监管和监管缺位
(二) 开发商只有两种行为:按照规定进行开发和不按规定 (存在虚报成本, 销售对象不符合规定等现象) 。
(三) 不考虑税收。
(四) 开发商的建造成本与是否按照规定执行无关。
设:在按照规定时, 开发商, 不按规定时, 开发商的收益为。成本为C1 (包括
隐性成本和显性成本) , 当监管有效时, 对开发商不按规定开发的惩罚为C2, 政府实行有效监管的概率为, 则监管缺位的概率为1-。
分析过程:通过分析可得, 在开发商按照规定执行时, 无论政府监管是否有效开发商将获将获得的利润, 当开发商不按照规定执行时, 在政府有效监管的条件下, 开发商可以获得的利润, 政府监缺位时可得的利润。所以开发商在按照规定时的期望利润为, 不按规定时期望利润为。如果想要开发商按照规定建造经适房并将其销售给符合条件的中低收入者, 则必须满足E1>E2, 即, 化简可得<。
结论:通过上述结果可以看出, 政府可以通过加大监管力度 (值增大) 或是加大对开发商不按规定执行的惩罚, 来规范开发商的行为, 减少逆向选择 (指高收入者购买经济适用房) 和道德风险 (指开发商虚报成本, 房屋质量标准, 规格不符合规定等现象) 。
参考文献
[1].沃尔特·尼科尔森.微光经济理论——基本原理与拓展.北京:北京大学出版社, 2008.
[2].尹艳海.从经济学角度看“经济适用房货币补贴政策”.经济与管理, 2004.4.
[3]经济适用房管理办法.2007.
微观教育投资政策 篇2
新商业环境下, 随着企业IT投资的快速增长, 企业管理者更加关注投资风险和决策回报, IT投资评价已成为企业管理实践的重要内容[1]。如何评价企业IT投资的收益一直是学界探讨的热点。许多学者运用微观经济学的相关理论来分析企业的IT投资与收益之间的关系, 形成了不少实用有效的评价方法。本文试图评析这些方法的适用范围、优点和不足, 以期望为将来的研究和企业IT投资评价实践提供参考。
评价 (evaluation) 是指为解决某个问题, 基于一定的标准集合, 对对象进行决断的评估 (decisive assessment) [2]。企业IT投资主要包括硬件、软件以及IT人员培训投资。企业IT投资评价是指利用某种方法、工具和标准等, 对企业IT投资的结果或过程进行评估, 为管理者作出科学的投资决策服务。
微观经济学视角下的企业IT投资评价方法主要有成本——效益分析法 (cost-benefit analysis) 、投入——产出分析法 (input-output analysis) 、实物期权法 (real optional) 、基于效用理论 (utility theory) 的多属性决策法 (multiple attribute decision making) , 下文分别加以阐述。
1 成本——效益分析法
在评价IT投资的许多方法中, 各种形式的成本——收益分析方法被业界所普遍接受[3]。该方法计算单个或多个财务指标值来反映IT投资价值, 依据一定的准则做出投资决策。这些财务指标通常包括净现值 (net present value, NPV) 、内部收益率 (internal rate of return, IRR) 和投资回报率 (return on investment, ROI) 等, 计算方法一般是根据一定的折现率对IT投资项目生命周期内的投资、系统开发与维护和收益等现金流进行折现。成本——效益分析法在早期的IT投资实践中使用较多。例如, C.J.Bacon对高级经理们在进行IT投资项目决策时经常使用哪些财务指标和使用频率进行了调查[4]。
以传统财务指标为评价核心的成本——效益分析法相对易于操作, 指标的获取和测量容易实现。然而, 该方法也受到诸多诟病, 主要原因是其局限于财务或技术方面, 对IT投资活动描述不够充分, 尤其是忽略了许多无形或潜在效益。例如, 没有考虑到IT项目中与员工相关的许多组织方面的“隐藏 (hidden) ”效益, 比如, 员工知识与技能、员工创造性等[5]。
2 投入——产出分析法
投入——产出分析法将企业IT投资效益的获取看作是一个投入产出过程, 通过对比投入和产出, 采用生产率等概念, 运用计量经济学模型、多元回归和相关性分析、非参数估计等方法分析IT投资效益。投入——产出分析法针对IT投资的结果进行分析, 将企业IT投资价值的实现过程看作一个黑箱。
生产函数和市场价值分析 (market value specifications) 是常用的计量经济学模型, 在“生产率悖论 (productivity paradox) ”相关的经验研究中经常用来分析企业层面和产业层面的投入产出数据。这方面的研究以E.Brynjolfsson和同事的工作颇具有代表性。例如, E.Brynjolfsson等运用生产函数对美国大型企业的数据分析发现, 计算机资本的总边际产品 (gross marginal product) 占企业总边际产品的81%, 信息系统 (IS) 员工投入的产出至少与非IS员工投入的产出一样多[6]。随后, E.Brynjolfsson和L.Hitt分析另一批美国大型企业的数据发现, 从短期 (1年) 来看, 企业计算机化 (computerization) 能提高生产率和增加产量, 并且, 从长期 (5～7年) 看来, 计算机化的贡献是短期的5倍[7]。N.Mittal和B.R.Nault运用生产函数对制造业产业层面的数据分析发现, IT投入不仅对产出有直接的正向影响, 而且, IT还通过增强非IT资本和劳动力投入对产出有间接的正向影响[8]。也有学者利用投入-产出法探讨企业IT投资的风险与回报的关系。例如, S.Dewan等利用替代方法 (proxy measures) 测量IT风险, 并将其合并到生产函数和市场价值分析模型中分析IT投资的风险与回报的关系[9]。
计量经济学模型能宏观、直接地描述产出与投入之间的关系, 但在使用中也存在一些问题: (1) 生产函数等模型的产出变量的测量一般选取有限的财务绩效指标, 难以全面反映IT投资的无形价值和IT价值的滞后性[10]; (2) 某些投入变量的界定可能存在分歧, 例如, “计算机资本”与“非计算机资本”、“IS员工”与“非IS员工”如何科学地区分开来难度较大。
鉴于计量经济学模型的上述问题, 许多学者倾向于采用多元回归和相关性分析、非参数估计等方法。
多元回归和相关性分析方法的一大优点是变量的选取和测量相对比较灵活, 因此被许多学者采用。例如, P.Weill将企业IT投资目标分为战略目标、信息目标和业务目标3个层次。通过对美国阀制造企业的数据分析发现, 业务层面的IT投资与企业绩效显著相关, 战略层面的IT投资与企业绩效的相关性从短期看比较微弱, 从长期看没有显著相关性[11]。M.F.Thouin等通过对美国医疗行业集成健康护理传输系统 (Integrated Healthcare Delivery System, IHDS) 的数据进行回归分析发现, IT预算支出、IT服务外包的数量与IHDS的收益正相关, IT员工比例与IHDS的收益没有显著相关性[12]。孙晓琳等运用多元回归法对我国IT类上市公司中不同类型的IT投资与组织绩效的关系进行了实证研究。研究发现, IT存量资产对组织绩效有显著负面影响, 但当年新增的IT投资对组织绩效的影响并不显著;硬件投资存在时滞, 短期内硬件投资对绩效有负面影响, 2年后对绩效有正向影响;软件投资在短期内对绩效影响并不显著, 2年后对组织绩效的负面影响突现出来[13]。
另外, 作为一种非参数估计方法, 数据包络分析法 (data envelopment analysis, DEA) 仅仅要求选取的指标必须与IT投资相关, 相对生产函数等方法具有较大的灵活性, 并且能比较多个可选决策方案的效率, 因此被广泛采用。例如, R.D.Banker等运用DEA验证了实施与未实施销售点终端 (point-of-sale) 和订单协调系统的餐馆之间的绩效是否存在差异的问题[14]。Y.Chen等提出了评价IT投资对企业业务操作不同阶段影响的DEA非线性规划模型[15]。A.Azadeh等将投票的 (voting) 层次分析法、德尔菲法和DEA加以集成, 利用该集成框架在多个IS可选投资决策中选出有效率的方案[16]。
不过, 多元回归和相关性分析、DEA等非参数估计方法也存在着不足, 主要是评价结果对投入产出指标的选取依赖较大, 选取不同的指标得出的结果可能不相同, 甚至完全相反。目前, 常用的产出指标包括资产利润、年收入与成本的比例、销售收入增长率、劳动生产率等, 投入指标包括IT预算支出占总运作成本的比例、人员培训费占IS全部预算的比例、IT员工数占员工总数的比例等。
3 实物期权法
企业IT投资评价的实物期权法有两个理论来源:期权理论和风险理论。
基于期权理论, IT投资的环境往往面临许多不确定因素, 包括市场、IT产品价格、IT在组织中的实施效果等, 在不同的时间点投资所获得的未来投资回报并不相同。IT投资项目开始后, 管理者可以根据市场环境的变化、IT产品价格的变动趋势、前一阶段IT在组织中的实施效果来决定一个能够获得最大回报的投资时间点, 或者延迟、暂停或撤销某个投资项目。也就是说, 企业存在一种IT投资决策的选择权, 选择权的执行可能在将来某种情况下获得更多的额外回报 (除传统NPV预期现金回报之外) , 这种选择权具有价值且能用其现值计算。
基于风险理论, 由于IT的经济影响、技术复杂程度、折旧速度较快和实施困难等方面的不确定, IT投资与生俱来具有风险[9], 使得未来的回报存在变化性, 而这种变化性在投资决策时很难预测。IT投资为了实现价值最大化, 应该规避这种风险。也就是说, 企业为了获得未来更多的额外回报而规避风险所执行的选择权也可看作是一种期权。
由于实物期权方法的思想与企业IT投资实践中分阶段决策的特征相符, 反映了IT投资的潜在价值和非直接回报的特点[17], 能为投资过程中的决策调整提供指导, 因此近年来被频繁应用在企业IT投资评价研究中。例如, E.S.Schwartz和C.Zozaya-Gorostiza将IT投资项目分为获得 (acquisition) 项目 (投入资金后立即可获得收益) 和开发 (development) 项目 (经一系列投资后方可获得收益) 两类, 利用实物期权法分别对这两类IT投资项目进行了估价[17]。S.Olafsson利用实物期权法为高科技投资项目的不确定因素赋予具体值, 并用二项树模型评估高科技投资的各种期权[18]。蔡永明等利用实物期权理论, 充分考虑等待的价值, 并在动态随机环境下将信息化投资和公司战略愿景相结合, 用效用函数代替一般的现金流分析, 充分考虑投资的无形资产的增加;用带有负漂移率的投资随机模型, 体现信息化投资逐渐振荡下跌的趋势, 在投资和收益双重随机的情况下采用Monte-Carlo模拟方法, 得出企业信息化投资最优时间近似解[19]。M.Benaroch等提出了一个用于评价序贯 (sequential) IT投资决策的基于期权风险管理 (option-based risk management) 框架[20]。
不过, 实物期权法仍在财务绩效范围内对企业的IT投资效益进行评价, 且在估价模型的选择和适用性等方面还存在不少争议, 另外, 如何准确地确定模型的参数也尚未得到很好地解决, 这都使得实物期权法在实践运用中存在一定的局限性。
4 基于效用理论的多属性决策法
基于效用理论的多属性决策法是指基于一系列的标准集合构建效用函数, 在效用函数的基础上评价企业IT投资项目的多个可选方案。这些标准集合一般分为IT商业价值因素、风险因素和技术因素等几大类, 依据这些标准构建的效用函数能够反映管理者的IT投资决策偏好。不少学者在研究中采用了这种方法。例如, S.Rodney和M.Sherif基于多标准效用理论 (multi-criteria utility theory) , 结合信息经济学原理, 提出了一个选择企业IT/IS投资项目的决策框架[21]。E.W.N.Bernroider和V.Stix综合效用排序法 (utility ranking method) 和DEA法两者的优点, 提出了一种解决企业IS投资项目选择问题的轮廓距离方法 (profile distance method) 。在用该方法对ERP软件选择案例分析时, 构建效用函数的评价标准从反映目标软件功能和效益的八类属性中总结而来, 这八类属性包括控制和报告、会计、物流、采购、来自各子部门的需求、服务和管理、销售和业务管理[22]。
基于效用理论的多属性决策法也主要存在着两个方面的不足:一方面, 由于构建效用函数是该方法的核心, 而评价标准的选择是构建效用函数的关键, 其对评价结果具有决定性的作用, 因此, 对评价标准的依赖也成为该方法的主要不足;另一方面, 当对多个选择方案的最终效用值进行比较时, 其含义有时不够清晰 (例如, 效用值比较接近) , 理解起来比较困难, 造成对IT投资决策实践的指导性不强。
5 结 论
上文对微观经济学视角下的几种企业IT投资评价方法进行了考察, 分析表明, 这些方法各有优劣, 在企业IT投资评价时要根据具体情形灵活地加以选择和应用。另外, 本文认为, 未来的研究可以从以下两个方面努力:
5.1 建立一套科学的、具有较高共识度的企业IT投资评价指标 (标准) 集合
上述各种方法都对指标的选取存在一定程度的依赖, 选择不同的指标往往导致研究结论的差异。为了提高指标的一致性和可比性, 可以综合运用定性和定量等技术工具和手段, 从已有研究和企业IT投资评价实践中搜集和选取相关指标, 通过对这些指标进行科学地分析和筛选, 建立一套具有较高共识度的指标集合。该指标集合中应既包含财务类指标, 也包含非财务类指标 (用于测量无形资产和收益) 。这样, 将来的研究所需的指标可以从这个集合中选取, 也便于研究之间的横向和纵向对比。
5.2 综合运用多种方法, 充分发挥各方法自身的优势
尽管单一方法在应用时存在局限, 但可以将多种方法相结合, 扬长避短。例如, 成本——效益方法的财务绩效指标可以运用到其他各方法中, 多元回归、相关性分析与生产函数等计量经济学模型相结合能更深入地分析变量之间的关系, 将由DEA法获得的决策单元有效性的分类结果作为相关性分析的依据, 利用效用函数代替传统的现金流分析与其他方法相结合来描述无形资产等。有的学者已经开始了这方面的探索, 例如, 上文提到的蔡永明等将效用函数与实物期权法相结合[19], E.W.N.Bernroider和V.Stix将效用排序法和DEA法相结合[22], 类似的研究将是未来企业IT投资评价研究的一个发展方向。
微观教育投资政策 篇3
一、碳税和排放权交易对高排放企业成本影响的作用机理分析
碳税和排放权交易都属于使外部性成本内部化的重要手段, 两者对企业成本都产生影响, 但碳税直接导致企业成本的增加, 而排放权交易则通过间接方式增加企业成本。两种政策对企业成本的影响程度也存在差异。
碳税是按照化石燃料燃烧后的排碳量而征收的一种税。碳税的开征将改变企业原材料和能源的消费结构。征收碳税将导致高碳原材料需求量和价格的下降, 加大对低碳原材料的需求, 在供给不变的情况下, 低碳原材料的价格将攀升。因此, 企业不会简单的用低碳原材料来替代高碳原材料, 而是要综合考虑自身的技术条件、高碳原材料和低碳原材料的当前和预期的价格、两类原材料的生产效率、企业生产经营计划等因素。征收碳税也会将以同样的机理影响企业的能源消费结构。
碳排放权交易制度下, 政府机构依据一定的标准评估出一定区域内允许的最大排放量, 并将其分成若干排放份额。排放权一级市场上, 政府采用免费发放、招标、拍卖等方式进行排放权分配, 并允许多余的排放权在二级市场上进行交易。实施排放权交易制度后, 企业不仅面临较大的交易成本, 包括游说监管当局以争取较多排放配额的成本、对自身碳排放量进行盘查需要的各项投入、接受独立第三方对企业碳排放信息的鉴证而发生的支出, 等等;而且需要购买超额排放配额, 并可能受到监管当局对超额排放的处罚。当然, 企业也会因减排力度较大而获得监管当局的奖励和排放权处置收益。
二、碳税和排放权交易对高排放企业成本影响的测度模型构建与政策情景模拟
(一) 碳税和排放权交易对高排放企业成本影响的测度模型。
为了体现企业生产要素投入使用对环境质量的影响, 本文沿用经济学中柯布—道格拉斯生产函数的基本模型和分析方法。假设高排放企业除生产技术以外, 只需要高碳生产要素和低碳生产要素的投入, 这两种生产要素投入数量可变, 并具有不完全的替代性。
高排放企业的生产函数可表示为:y=f (x1, x2) =Ax1αx2β。式中x1、x2分别表示高碳生产要素和低碳生产要素投入品的需求数量;A为技术进步率, A>0;α、β分别为两类生产要素的产出弹性, α, β∈ (0, 1) , α+β=1。如果p1、p2分别表示两类生产要素的市场价格 (p1, p2>0) , 则企业的生产成本C可表示为:C=p1x1+p2x2。
当被征收碳税时, 企业对两种生产要素投入品的需求量将发生变化。设x1′和x2′为被征收碳税时企业对两种生产要素投入品的需求量;s1为政府对企业使用高碳原材料x1所征收的碳税 (0≤s1≤p1) , s2为政府对企业使用低碳原材料x2所给予的补贴 (0≤s2≤p2) ;政府对企业征收碳税或提供补贴措施时企业新的生产总成本C1可表示为C1= (p1+s1) x1′+ (p2-s2) x2′。
假设e为被征收碳税政策前企业的碳排放量, 则有e=e1x1+e2x2, 其中, e1、e2为两类生产要素x1、x2的二氧化碳 (CO2) 排放系数, 且0≤e2<e1;被征收碳税后, 企业的碳排放量e′可表示为:e′=e1x1′+e2x2′。
碳排放权交易制度下, 假设企业可以免费获得排放限额E0。当企业的碳排放量超过E0时, 需要从市场购买排放配额, 单位配额的价格用p表示, 则企业的生产成本函数转换为:C2=x1′p1+x2′p2+ (e1x1′+e2x2′-E0) p。
为了测度、比较碳税和碳排放权交易对高排放企业成本的影响, 本文构建了成本—减排敏感系数CER=- (△c/c) / (△e/e) 。CER表示在一定时期内高排放企业成本的变动对于该企业二氧化碳排放量变动的敏感程度, CER的值越小, 说明企业减排对于企业成本的影响越小, 减排效果越好。
(二) 碳税和排放权交易对高排放企业成本影响的政策情景模拟。
为了比较碳税和排放权交易政策对高能耗企业生产要素投入品需求的影响及减排效果, 本文分别设置基准情景、碳税情景和排放权交易情景。通过对其他国家减排政策的分析不难发现, 无论是采用碳税还是排放权交易政策, 为了保证减排效果和减少碳减排政策对国民经济的冲击, 都会出台相应的补贴政策, 补贴方式包括补贴低碳能源和可再生能源、税收返还、税收减免等。参照上述做法, 本文也设置补贴情景, 为了便于研究, 补贴方式确定为对低碳原材料进行补贴。将补贴政策分别与碳税和排放权交易相结合, 本文中的减排政策情景分为以下几种:不实施任何碳减排政策、征收碳税、征收碳税同时提供补贴、单独实行排放权交易制度、实行排放权交易制度同时提供补贴。
基准情景下, 当政府不实施任何碳税政策措施时 (即s1、s2=0, E0=0) , 则高排放企业在既定产量Q下的成本最小化的目标函数及其约束条件为:
通过构建拉格朗日函数, 消除影子价格, 分别对x1、x2求偏导, 按照拉格朗日极值的计算方法, 可求出高、低碳原材料的投入量x1、x2分别为:
不实施任何减排政策时, 高排放企业的生产成本函数为C0=p1x1+p2x2, 二氧化碳排放量函数为E0=e1x1+e2x2。其他四种情形下, 高、低碳原材料的投入量函数如下页表1所示。
将不同情境下的x1′、x2′代入成本函数和二氧化碳排放量函数中, 可计算出相应的成本函数和排放量函数, 并计算得出各自对应的成本———减排敏感系数。
三、样本构成与测度模型中涉及的参数估计
(一) 样本选取与数据来源。
依据《中国能源报告 (2008) 》, 火电、钢铁、水泥、电解铝等行业的CO2排放分别约占全国碳排放总量的38%、18%、18%、13%, 因此, 本文将上述行业的企业界定为高排放企业, 以这四个行业在深沪上市公司总数为基数, 采用分层抽样, 分别从火电、钢铁、水泥、电解铝等行业各抽取12家、9家、4家、5家, 共30家企业构成研究样本。从样本公司2011年的年报提取各企业的产量信息, 在中国煤炭信息网、易钢在线网获取样本企业生产所需原材料在2011年的价格信息。
(二) 测度模型中涉及参数的设定。
关于电力行业的技术进步率, 黄仁辉 (2006) 的估算值为1.08, 徐瑛 (2006) 的估算值为1.02, 本文取两者的平均数, 即A=1.05。由于缺乏相关资料, 本文选用我国国民经济技术进步率1.025作为钢铁、水泥和电解铝等行业技术进步率的近似值。生产要素的的排放系数来自IPCC发布的碳排放系数表。当原材料的消耗不止一种时, 以原材料的投入比例为权数, 加权计算原材料的价格和排放系数。高碳原材料和低碳原材料的产出弹性系数, 采用两种材料的热能之比来计算。
(三) 关于碳税税率的设定。
本文根据王金南等学者的研究, 采用“渐进征收”的原则, 针对高碳原材料征税, 并对低碳原材料进行补贴。本文假设政府对高碳原材料征收碳税的额度分别为20、25、30、35、40、45元/t C。对于低碳原材料采用从量补贴方式, 假定政府对于低碳原材料的补贴额度分别为10、15、20、25、30、35元/t C。
(四) 关于碳排放权交易制度的设置。
采用基准———信用交易机制, 参照英国排放权交易机制的规则, 碳排放权初始配额的分配则采用免费分配模式, 运用祖父原则。关于各高排放企业的碳排放基准线, 本文参照2009年我国政府宣布的控制碳减排行动目标, 到2020年单位GDP的碳排放比2005年下降40%-45%, 每年平均减排率为3.91%。以此为标准, 本文中样本企业的碳排放基准线设定为基准情景中各企业碳排放量的97%、96.5%、96%、95.5%、95%、94.5%, 按顺序与前文中的碳税情景相对应。超出或者少于基准配额的碳排放权, 企业可以购买或者出售, 每吨碳排放权的交易价格设定为50元、55元、60元、65元、70元、75元, 分别对应于前面的各情景。表2显示了碳税和排放权交易政策的具体方案的设定。
四、描述性统计分析与配对样本T检验
(一) 不同政策水平下各模拟情景的CER与减排效果分析。
表3说明了不同政策水平下, 各情景的CER的均值和减排效果。从表3可以看出, 无论何种政策水平, 排放权交易政策对企业成本增加带来的影响程度都相对较小。如果采用排放权交易与补贴相配合的政策, 企业的碳排放量每减少1%, 原材料成本将分别减少0.428%、0.436%、0.464%、0.467%、0.491%、0.471%, 因此, 在排放权交易体制下, 对低碳原材料进行补贴后, 减排不会增加企业的材料成本, 相反材料成本会随减排而减少。从减排效果看, 仅征收碳税的政策最不理想;当排放权交易和补贴结合采用时, 减排效果非常理想, 与基期碳排放水平相比较, 不同政策水平下总体分别减排了6.02%、6.61%、7.19%、7.75%、8.30%、8.73%。
(二) 配对样本T检验。
由于本文在情景模拟中是针对同一企业采用不同的减排政策, 研究碳减排与企业成本之间的关系, 所以可以近似认为是针对两组规模、经营等基本情况相近的企业, 分别施以不同的减排政策以研究他们之间的差异, 在均值比较的方法上选取配对样本T检验的方法。在下页表4中列示了各政策水平、不同情景两两配对样本T检验的结果。可以看出, 政策水平一、二、四下, 碳税加补贴情景和排放权交易情景的相关性在10%的水平上具有显著性, 其他配对组各情景两两之间的相关性非常显著, 符合配对样本T检验的条件;在这三种政策水平下, 碳税加补贴政策与排放权交易政策下, 碳减排对企业成本的影响程度基本不存在差异性;而其他碳减排政策对企业成本影响的程度互不相同:征收碳税使企业的成本增幅最大, 排放权交易政策和碳税加补贴政策次之;排放权交易加补贴政策将使企业的成本减少。政策水平三、五、六下各情景两两配对样本T检验显示, 各配对组均通过相关性检验, 符合配对样本T检验的条件, 各情景下的CER相互之间的均值比较, 其检验结果均是显著的, 说明这三个政策水平下, 征收碳税使企业的成本增幅最大, 排放权交易政策次之, 碳税加补贴政策再次之;排放权交易加补贴政策将使企业的成本减少。
注:*、**、***分别表示在0.1、0.05和0.01水平下显著
五、结论与建议
综上所述, 本文的研究结论可归纳为:征收碳税政策将导致高排放企业成本的涨幅程度较大, 且减排效果不够理想;当补贴政策与碳税政策配合使用时, 能够减少碳税对企业成本增加的影响程度, 并改善总体的减排效果;排放权交易对企业成本增加的影响程度相对较小, 总体的减排效果也比较理想;排放权交易加补贴的政策将使企业成本降低, 且减排效果最理想。为此本文建议: (1) 从高排放企业成本控制和减排效果角度考虑, 我国应优先采取排放权交易加补贴的碳减排政策; (2) 如果实施排放权交易, 应减少高排放企业可以免费获得的碳排放配额, 适当增加企业的成本负担; (3) 碳税政策不宜单独实施, 最好能辅以补贴手段。
摘要：本文从高排放企业角度考察碳税和排放权交易政策的经济后果。构建企业的生产成本函数、碳排放量函数及生产成本对碳减排的敏感性系数, 设置碳税、碳税与补贴、排放权交易、排放权交易与补贴四种情景, 针对每种情景设置六种政策水平, 采用分层抽样的方式选取火电、钢铁、水泥、电解铝四个行业的30家上市公司为样本, 测算各情景不同政策水平下企业生产成本对碳减排的敏感性系数及减排效果, 并采用配对样本T检验, 分析不同政策情景之间的差异。结果显示, 排放权交易比单独征收碳税的效果理想, 最理想的政策是实施排放权交易制度的同时辅以补贴政策。
关键词：碳税,排放权交易,生产成本,减排效果,敏感性系数
参考文献
[1] .黄仁辉.火电企业的全要素生产率测度及前沿生产函数研究[D].保定:华北电力大学, 2006.
[2] .徐瑛, 陈秀山, 刘风良.中国技术进步贡献率的度量与分解[J].经济研究, 2006, (03) :93-103.