FUND 3.9n 模型框架与数据来源 [page::6]

• 模型区域由16区扩大到198国，采用联合国、世行、OECD等权威机构数据。

- 包含经济模块、排放模块、气候模块和多部门影响模块，覆盖农业、健康、能源等关键领域。

国家社会碳成本（NSCC）与经济指标相关性分析 [page::7]

• NSCC与GDP和人口高度相关，而与人均GDP及平均温度相关性较小。

- 采用不同的损害函数时，NSCC与GDP的相关性表现差异，Weitzman（2012）损害函数相关性较弱。

NSCC对损害函数和不确定性的敏感性分析 [page::8]

• 使用Tol (2019) 损害函数估计NSCC与不确定性纳入后，NSCC普遍高于确定性估计。

- 不同偏好参数（纯时间偏好率 PRTP 与相对风险厌恶 RRA）对NSCC影响显著，低PRTP和低RRA对应较高的NSCC。

主要经济体NSCC对社会偏好的敏感反应 [page::9]

• 2018年GDP排名前20国家中，中国、俄罗斯和美国的NSCC最高。

- 印度因CO2施肥效应带来的温室效益导致NSCC为负。

• 社会偏好参数变化导致主要经济体NSCC值浮动较大。

NSCC地理分布及演变趋势 [page::10][page::11]

• 2025年中国、俄罗斯、美国和欧洲部分国家NSCC较高。

- 北欧及格陵兰局部为负，反映气候变暖带来的局部经济益处。

• 2100年前后南美、非洲、日本等地NSCC显著上升，反映气候影响和经济结构异质性。

NSCC对收入弹性影响与全球总和变化 [page::12]

• 负收入弹性时，中低收入国家NSCC贡献上升，高收入国家贡献下降，整体关系线性降低。

- 全球NSCC总和随收入弹性从0到-0.36从8.4升至8.9美元/吨。

全球NSCC总和与不同影响函数、偏好参数的比较 [page::13]

| 影响函数 | 功能形式 | 全球NSCC总和 (US$/tCO2) | 参考文献 |
|-------------------------|------------------------|-------------------------|---------------------------|
| Tol (parabolic) | αT + α2T² | 6.8 | Tol (2019) |
| Weitzman (6) | αT² + α2T⁶ | 4.5 | Tol (2019) |
| Weitzman (7) | αT² + α2T⁷ | 4.7 | Tol (2019) |
| Newbold and Marten | O (if T<β), α(T-β) (if T≥β) | 11.5 | Tol (2019) |
| Nordhaus | αT² | 9.0 | Tol (2019) |
| Hope | αT | 13.1 | Tol (2019) |
| Van der Ploeg and Withagen | α(exp(T) - 1) | 1.1 | Tol (2019) |
| Tol (linear) | αT (piecewise) | 18.0 | Tol (2019) |
| Barrage & Nordhaus | αT² | 14.1 | Barrage and Nordhaus (2024)|
| Howard and Sterner | αT² | 34.7 | Howard and Sterner (2017) |
| Weitzman | αT² + α2T⁶.⁷⁵⁴ | 189.2 | Weitzman (2012) |
| Nordhaus and Yang | αT² | 9.2 | Nordhaus and Yang (1996) |
| BMA (Bayesian Model Average) | 综合8种模型 | 5.1 | 本研究 |
| FUND3.9n | 部门影响函数 | 8.4 | 本研究 |

偏好参数与不确定性对全球NSCC总和的影响 [page::13]

| 类型 | PRTP | RRA | FUND3.9n 不确定性 | Tol (2019) 不确定性 | FUND3.9n 确定性 | Tol (2019) 确定性 |
|----------|--------|-------|-------------------|---------------------|-----------------|-------------------|
| 不确定性 | 0.01 | 1 | 33.5 | 61.9 | 8.4 | 51.3 |
| 不确定性 | 0.03 | 1 | 8.4 | 18.0 | 1.1 | 14.4 |
| 不确定性 | 0.03 | 2 | 2.7 | 10.6 | -0.0 | 8.3 |

• 部门细分降低了NSCC估计值，纳入不确定性则提升了估计值，反映了模型细化对风险评估的重要意义。

结论与政策建议 [page::14][page::15]

• 本文提出的国家级多部门NSCC模型能捕捉国别经济结构和气候脆弱性异质性。

- 研究表明应考虑部门差异与不确定性，提升碳定价的公平性与科学性。

• NSCC估计可辅助国家气候适应规划、国际减排责任分担谈判及国内碳价底线设定。

- 未来可阳性扩展模型纳入城市热岛效应、国家偏好差异等，实现经济-气候-金融一体化建模以满足金融工业需求。

资深金融分析师对《National social cost of carbon: An application of FUND》研究报告的详尽分析报告

---

一、元数据与报告概览

报告基本信息

• 标题: National social cost of carbon: An application of FUND

- 作者: In Chang Hwang（韩国首尔研究院），Richard S.J. Tol（英国萨塞克斯大学及荷兰弗里乌大学等多个机构）

• 发布时间: 未明确标注，但引用文献最晚至2024年，推测为2024年或之前

- 研究主体: 借助扩展版FUND模型（FUND 3.9n），针对198个国家，估算国家社会碳成本（NSCC）的经济与环境评估

• 研究主题: 明确国别水平的社会碳成本，考虑不同国家经济结构、气候敏感度及人口暴露，反映异质性；探索多部门气候影响及不确定性对NSCC的放大效应

报告核心论点与目标

该报告提出和应用了一个经过细致拓展与校准的国家层面综合评估模型FUND 3.9n，将多部门气候影响和参数不确定性纳入国家社会碳成本的评估中。核心观点强调：

• 当前全球统一的碳定价往往基于统一或区域模型，忽视国家间异质性；

- 通过国别、部门的细分，FUND 3.9n能够更准确估算不同国家面对气候变化的边际经济与社会损失；

• 模型结合蒙特卡洛模拟分析不确定性，发现不确定性及部门细分均显著提高低中收入国家的NSCC值；

- 研究结果可为国际负担分担、国家适应政策和碳减排目标提供更科学的决策依据。

报告的理论贡献在于解决国别差异与多部门异质性缺失的盲点，并融入参数不确定性，为气候经济政策设计架设更丰富的量化基础。[page::0, page::14]

---

二、逐节深度解读

1. 引言

• 强调统一全球碳税的理想协作方案和现实中由于国际政治复杂性导致的非协作均衡的必要研究。

- 介绍社会碳成本（SCC）作为衡量碳排放附带损失的重要指标，阐明传统SCC来源于全球统一最优解，提出了推行“国家社会碳成本”(NSCC)的研究需求。

• 明确现有模型多为区域或单一部门影响，缺乏细化的国别和部门维度，导致对国家差异化气候敏感性的低估。

- 指出以往研究（如Ricke等2018，Tol 2019）虽提出国别SCC，但欠缺部门特异性和不确定性考虑。

结论是需要开发一个既包含多部门气候损害函数，又能反映不确定性的国家层面NSCC模型。[page::2, page::3]

2. 模型框架与方法

• 把FUND 3.9模型扩展到198个国家（原16个区域），涵盖联合国认可的各国并采用多机构数据如联合国、世界银行、IPCC等进行输入数据支持。

- 核心改进点包括部门级损害函数使用收入弹性调整体现国家发展水平和暴露人口结构；通过遍历病害、海平面、农业等不同部门，实现异质化国家影响刻画。

• 详细介绍模型包含：

- 经济模块：采用各国1960-2018年数据，基于古典增长理论，预测至2200年。
- 排放模块：涵盖多种温室气体及其辐射强迫因子。
- 气候模块：进化碳循环、辐射强迫、温度及海平面响应。
- 影响模块：农业、能源需求、自然灾害风险、健康及生物多样性等多个领域的气候影响衡量。

• 市场影响通过对GDP的影响反映，非市场影响影响社会福利。

- 采用SSP3、SSP2情景等作为未来城市化、老龄化、碳强度等预测基础。

• 加入蒙特卡洛模拟(1,000次)进行不确定性分析，包括人口等社会经济及气候参数。

这一模块架构确保了模型的精细化、国别特异性和未来情景连贯性。[page::4, page::5, page::6]

3. 主要研究结果分析

3.1 国家社会碳成本（NSCC）的分布特征

• NSCC总体与国家GDP与人口呈正相关，GDP与NSCC相关性更强，表明宏观经济规模对边际气候损害估价影响最大；

- 人均GDP和平均温度与NSCC的相关性较弱，提示经济规模超过单一发展水平或气候指标的决定性作用；

• 应用不同损害函数（Tol, Weitzman等）导致NSCC与GDP间线性和非线性关系的差异，非常显著，尤其Weitzman函数产生更低线性相关性；

- 引入参数不确定性通常提高NSCC值，且模型的非确定性结果（蒙特卡洛模拟）对于低收入国家贡献更大；

• 以GDP排名前20位国家为例，社会偏好参数（纯时间偏好率PRTP和相对风险厌恶RRA）显著影响NSCC，低PRTP和低RRA均推升NSCC数值；

- 印度出现负值NSCC，代表CO2施肥效应抵消了负面气候影响，俄罗斯关注的是水资源枯竭；

以上分析揭示经济与社会偏好的异质性如何显著影响基于国家的气候成本评估。[page::6-10]

3.2 NSCC随时间演进与地理异质性

• 2025年各国NSCC分布存在巨大空间差异，俄罗斯、蒙古等过渡经济体及部分北欧国家表现出较高人均NSCC；

- 北欧和格陵兰出现负值，体现气候变暖带来的潜在净经济收益（如减少取暖需求）；

• 到2100年，大部分国家NSCC上升，但不同地区上升幅度差异显著，其中南美、非洲、澳大利亚及日本NSCC增长较快，经济快速增长与气候损害加深互相作用；

- 俄罗斯、中国和印度等部分国家因经济调整与适应机制，NSCC增长相对温和；

这一动态变化表明，国家经济结构变化、适应能力以及部门间气候损害差异是影响NSCC时间路径的关键因素。[page::10-11]

3.3 收入弹性视角下的NSCC全球分布与总量

• 收入弹性负值意味着低收入国家对气候损害的敏感性随着经济发展递减，提高了低收入国家在全球NSCC总和中的贡献度，而高收入国贡献略减；

- 全球NSCC总和随收入弹性从0降低到-0.36，NSCC总和由8.4 US$/tCO2升至8.9 US$/tCO2；

• 表明低收入国家对气候变化的脆弱性增强轶出，造成整体全球损害预算增加；

这一发现重申了收入弹性对全球气候政策公平性与激励机制设计的重要性。[page::11-12]

3.4 影响函数、社会偏好与估值敏感性分析

• 总NSCC受所选影响函数及社会偏好参数控制显著。其中优秀的市场影响函数能客观反映更多部门、区域特定特征，增强模型准确度；

- 当PRTP=0.03，RRA=1时，基于FUND3.9n的多部门分解NSCC为8.4 US$/tCO2，远低于单一部门模型下极端的189.2 US$/tCO2（Weitzman），也低于Tol（2019）18 US$/tCO2；

• 降低PRTP至0.01，NSCC上升至33.5 US$/tCO2，提升风险的折现权重；

- 提高RRA至2，NSCC降至2.7 US$/tCO2，说明风险厌恶加强影响评估结果；

• 结合不确定性分析，分部门模型较单部门模型估计的NSCC更准确且对低收入国家更有利；

- 贝叶斯模型平均(BMA)结果为5.1 US$/tCO2，作为多模型不确定性的权衡参考；

此结果强调社会时间参数和风险态度对气候经济估值的整体影响，同时提示行业细分和不确定性不可忽视。[page::12-14]

4. 结论与政策启示

• 报告强调传统全球统一SCC难以体现国别差异和部门脆弱性，制定国家特定碳成本估计的重要性；

- 细化模型不仅提升NSCC估计精度，更放大低收入国家碳成本权重，支持更公正的国际气候谈判与责任分担；

• NSCC可以供国内决策用于适应计划优先级、预算法定和碳减排目标设定，同时作为国际谈判的负担分摊参考指标，补充传统分配方案；

- 启示未来模型需强化对特定国别部门参数调整，集成地方气候影响（如城市热岛效应），纳入国家偏好和社会经济现实，为全经济气候风险评估提供支持；

此外，作者建议结合FUND模型与其他经济模型（如CGE模型）整合，提升工业和经济结构的刻画，满足金融与工业领域对气候风险系统化评估的需求。[page::14-16]

---

三、图表深度解读

图1 FUND 3.9n模型框架（第6页）

• 展示经济活动推动碳排放，进而驱动气温上升，产生气候影响的闭环模型；

- 明确划分经济、排放、气候和影响模块，标注国家数据与全球数据的接口，以及反馈机制；

• 该框架体现了模型的多层次交互，展示了详细产业与健康等部门具体考量，为后续定量分析提供坚实结构基础。

图2 NSCC与不同指标的相关性（第7页）

• 四个子图分别展示NSCC(单位US$/tCO2)与人口、GDP、GDP人均以及平均温度的关系；

- 观察到NSCC与人口和GDP均呈正的非线性关系，特别是用对数刻度时趋势明显，且GDP相关性高于人口（$R^2$分别为0.32与0.47）；

• GDP人均与温度相关性较弱甚至接近零，说明国家经济总量是影响NSCC的主导金融变量；

- 反映了经济体量是构建碳边际成本估算的重要变量。

图3 不同气候损害函数下NSCC与GDP关系（第8页）

• 左图基于Tol（2019）函数，呈现极强线性相关（$R^2=0.95$），

- 右图为Weitzman（2012）函数，线性相关性较弱（$R^2=0.47$），且NSCC值的极端波动更大；

• 强调损害函数的形式和参数对NSCC估计带来决定性差异。

图4 确定性与不确定性结果对比（第8页）

• 左图表现全量NSCC估计分布，右图则是缩放细节；

- 散点的线性拟合表明不确定性模型高估NSCC，回归斜率约2.4，$R^2=0.42$，显示较强的相关同时也有显著提升；

• 显示纳入参数和情景不确定性会显著放大气候边际损害量的估计，尤其在低值区域差异明显。

图5 GDP前20国家NSCC与社会偏好参数的敏感性（第9页）

• 以不同PRTP(0.01与0.03)和RRA(1与2)参数组合展示2025年主要经济体NSCC值；

- 低时间偏好率和风险厌恶（PRTP=0.01，RRA=1）下，中国最高达9.7 US$/tCO2，美国和俄罗斯约3.8；

• 反之，高RRA时所有国别NSCC显著降低；

- 印度出现负值（CO2施肥效应制约），俄罗斯的水资源干旱是关键负面因素。

该图鲜明呈现社会偏好参数对国家碳成本估计的定量影响及国别差异。

图6 世界地图：2025年NSCC人均分布与2025-2100年变化率（第10-11页）

• 上图2025年人均NSCC，以颜色加深体现碳成本高低，红色区域表明高义务负担或脆弱性较大；

- 北欧部分区域蓝色显示负值，代表潜在经济获益；

• 下图表示2100年与2025年间NSCC变化的相对值，许多非洲、南美、大洋洲国家变动剧烈；

- 反映环境压力与经济增长共同作用下各国气候负担不均衡演化。

图7 收入弹性对NSCC总和与GDP相关性的影响（第12页）

• 对比收入弹性为0与-0.36情形，NSCC随GDP的分布呈现明显差别；

- 收入弹性负值削弱了国家GDP与NSCC正相关性的强度；

• 低收入国家的NSCC整体显著抬高，强调考虑收入弹性有助于公平性提升。

图8 总NSCC全球聚合不同偏好和影响函数下对比（第13页）

-对比基金3.9n多部门模型与单部门模型下不同气候影响函数的评估；

• FUND 3.9n在基准参数下估值8.4 US$/tCO2，低于Weitzman爆发型影响（189.2），高于部分线性模型（1.1-34.7区间）；

- 参数变化（PRTP、RRA）导致估值大幅浮动；

• 表1与表2提供具体影响函数形式与相应数值，进一步支持上述定性结论。

---

四、估值方法分析

• 估值核心方法：基于FUND模型的综合评估方法，将经济增长、碳排放、气候变化和多部门气候影响耦合，计算边际气候损害成本。

- 采用多种气候损害函数（线性、抛物线、指数、分段等），并使用贝叶斯模型平均进行不确定性综合。

• 经济价值的折现基于纯时间偏好率（PRTP）和相对风险厌恶（RRA），这两参数显著影响最终估值区间，反映社会偏好和风险态度。

- 对外部冲击（气候参数、经济增长、人口）进行蒙特卡洛不确定性模拟，确保估值结果具备概率分布特征。

• NSCC总和视为全局公共物品的林达尔价，体现国家间的公平分担和气候政策激励。

- 估值模式相比传统单区域IAM更具细粒度，尤其体现在分部门影响和国别差异的处理。

---

五、风险因素评估

• 主要风险体现在气候影响函数的不确定性和参数估计误差上；

- 净影响取决于国家经济结构及社会偏好参数，后者缺乏统一标准有时导致模型估值范围极宽；

• 社会经济发展路径（SSP情景）与技术进步速度的未知影响未来NSCC变化趋势；

- 分部门损害和区域异质性导致整体模型非线性及复杂性，特别是收入弹性调整带来全球估值波动；

• 模型尚未涵盖局地气候事件（如城市热岛）及因子交互影响，存在模型不足风险；

- 增加城市化、老龄化等因素相关预测带来额外参数风险。

报告虽未详细提出风险缓解策略，但建立模型不确定性分析体系、采用多模型比较等做法有助于增强模型稳健性和透明度。[page::6, page::14]

---

六、批判性视角与细微差别

• 报告假设收入弹性的空间替代等效性（遍历时空同理假设ergodicity），实际经济体系可能复杂且非均质，这种假设可能带来估计偏差；

- 依赖多个公开数据集及模型外推，数据质量与相容性存在一定隐患，尤其对发展中国家数据缺失影响准确性；

• 社会偏好参数（PRTP、RRA）有较强的主观性和文化差异，模型对参数敏感，某种程度下影响政策建议具备争议性；

- 在不确定性处理方面，蒙特卡洛模拟覆盖面广但仍难完全捕捉极端风险或大规模系统跳跃；

• 模型未包括与气候变化相伴的政策反馈（如碳税实施对经济结构调整的反馈），对长期动态影响有所限制；

- 报告承认并不支持以NSCC单独制定国别碳价，表明该指标更适合作为政策指导而非最终决策工具。

---

七、结论性综合

本报告通过深化FUND综合评估模型，涵盖198国细分部门气候影响及参数不确定性，破解了以往社会碳成本评估的局限。核心发现显示：

• NSCC与国家GDP和人口紧密相关，体现规模效应；而人均GDP和平均气温关联较弱；

- 采用多部门、复杂非线性损害函数及纳入不确定性评估，明显提升了低收入及中低收入国家碳成本估值，强调了气候影响的地域分布不均性；

• 社会偏好参数（PRTP、RRA）是左右估值的关键变量：低时间偏好和低风险厌恶倾向会推高NSCC，反之亦然；

- 长期来看，南美、非洲及部分发展中经济体NSCC增长较快，发达国家因适应机制和经济结构调整增长缓和；

• 总体而言，报告提供了更符合全球气候治理和负担公平性的国别碳成本指标体系；

- 预示未来气候政策设计需要结合国别经济、社会特征，兼顾部门影响与不确定性，提升政策的定向性和有效性；

• 模型填补了传统IAM模型国别和部门细分不足的空白，为全球气候经济风险评估带来较大进步。

此外，报告配套详实数据表、图示和不确定性分析，支持政策制定者和学术界对碳成本和气候负担分担的深入理解和应用。[page::0-14, page::19-30]

---

总体评价

该报告基于丰富的数据和严谨的模型方法，系统刻画了国家层面的碳排放边际损害，展现了政策制定中的关键变量与不确定性。对于气候经济研究和国际碳市场改革提供了极具参考价值的理论框架和量化依据。该研究具备高度专业性和应用前景，但也需关注模型假设、数据约束和参数灵敏度带来的不确定性。此外，未来结合行业经济模型与更精细气候影响预测，将进一步推动实际碳定价和气候风险管理的精准化。

---

参考文献溯源

• 本分析中的所有结论、数据和图示均严格对应报告原文页码标注，便于跟踪确认：[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,19,20,21,22,23,24,25,26,27,28,29,30]

请指示是否需要基于此分析针对特定国家或部门进行进一步咨询或深化研究。

报告