共享社会经济路径下中国及分省经济变化预测.pdf

doi10.12006/j.issn.1673-1719.2017.161 姜彤 , 赵晶 , 曹丽格 , 等 . 共享社会经济路径下中国及分省经济变化预测 [J]. 气候变化研究进展 , 2018, 14 1 50-58 共享社会经济路径下中国及分省经济变化预测 姜 彤 1,2 ，赵 晶 1 ，曹丽格 2 ，王艳君 1 ，苏布达 1,2,3 ，景 丞 3 ，王 润 4 ，高 超 5 1南京信息工程大学气象灾害预报预警与评估协同中心/地理科学学院，南京 210044； 2中国气象局国家气候中心，北京100081； 3中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室，乌鲁木齐830011； 4湖北大学资源和环境学院，武汉430062； 5宁波大学地理与空间信息技术系，宁波 315211 气候变化研究进展 第 14 卷 第 1 期 2018 年 1 月 CLIMATE CHANGE RESEARCH V ol. 14 No. 1 January 2018 摘 要基于中国历次人口和经济普查及逐年统计年鉴，率定柯布道格拉斯（Cobb-Douglas）经济预测模型的参数，依 据共享社会经济路径（SSPs）框架情景，构建 20202100年中国 31个省（区、市）经济变化格点（0.5° 0.5° ）数据 库。未来中国经济呈现如下特点1沿可持续路径（SSP1）和不均衡路径（SSP4，GDP将呈现先增后降趋势，峰值 出现在 20702080年；沿中间路径（SSP2）和化石燃料为主的发展路径（SSP5，GDP则呈现持续增长趋势；区域竞 争路径（SSP3）下，2050年以后 GDP 增长处于停滞状态。2无论采用何种路径，2020年前 GDP 仍旧保持 6.0左右 的增速，随后增速均低于 5.0并出现放缓或停滞，甚至负增长态势。3社会经济发展政策对中国分省经济增长产生 直接影响。2020年代 SSP1～ SSP5路径下江苏、广东和山东省 GDP总量位列前三；2090年代，SSP1和 SSP5路径下 广东、山东和江苏省 GDP总量依旧位列前三；SSP2路径下，浙江位列第二；SSP3路径下，河南跻身前三；SSP4路径下， 排名前三省份为广东、江苏和浙江省。4 2020年代 SSP1、SSP2和 SSP5路径下，山东、浙江等省 GDP增速超过 6.0， SSP3和 SSP4路径下仅广东和浙江省 GDP增速可维持 5.0左右，个别省还出现负增长；2090年代各省 GDP增速均 降至不足 1.0。 关键词共享社会经济路径（SSPs；柯布道格拉斯预测模型；经济预测；分省；中国 收稿日期 2017-08-22；修回日期 2017-09-02 资助项目 国家重点研发计划项目（2017YFA0603701；中国清洁发展机制（CDM）基金赠款项目；中国气象局气候变化专项“气候变化影响综合评估” （ CCSF201722） 作者简介姜彤，男，研究员， ①世界银行 http//data.worldbank.org/about/country-and-lending-groups。 引 言 近半个世纪以来，人口和经济的快速增长，使 气候环境面临前所未有的巨大挑战。同时，人口和 经济的发展也决定着气候变化对策和措施的选择， 社会经济发展情景成为气候变化及气候变化影响研 究的核心问题之一 [1] 。在早期古典经济学理论和凯 恩斯宏观经济学理论基础上 [2-3] ，20 世纪中叶起， 国际货币基金组织 [4] 和世界银行 [5] 等机构基于新经 济增长理论开展了全球尺度经济预测研究，并发布 年度报告。研究表明，2017 年全球经济增速预计将 由 2016 年的 2.2 加速至 2.7，20182019 年将 进一步加速至 2.9。2017 年中国经济增速由 2016 年的 6.7 放缓至 6.5，20182019 年将进一步放 缓至 6.3 ① 。国内学者基于中国 19602005年经济 增长速度，运用生产函数模型或系统动力学等方法， 预测出 20102030 年中国经济增速基本在 6.0 左 右，20302050 年降至 4.0 ～ 5.0 [6-8] 。 气候变化影响 1 期 51 姜彤，等共享社会经济路径下中国及分省经济变化预测 2000年 IPCC发布的排放情景特别报告（SRES） 中首次把温室气体排放与社会经济发展相关联 [9] 。 社会经济情景描述辐射强迫和社会经济发展间的关 系，在气候变化和气候政策的制定方面起着关键作 用 [10] 。为了描述具有不同适应和减缓挑战的未来社 会经济状况，2010 年 IPCC 提出共享社会经济路径 （shared socioeconomic pathways，SSPs） [11] ，设计 5 种社会经济发展路径，以反映不同气候政策的可能 后果。其中，SSP1 为可持续路径，具有相对高速的 技术转化，政府和机构致力于实现发展目标和解决 问题，减少气候变化的脆弱性因素；SSP2 为中间路 径，维持现有发展速度，在能源和科技方面取得一 些进展，发展中国家和工业化国家之间的收入差距 慢慢缩小；SSP3 为区域竞争路径，每个国家专注于 自身的能源和粮食安全，国际间合作弱，对技术发 展和教育投入减少，使大量人口和经济容易受到气 候变化影响且适应能力低，能源领域技术变革缓慢， 带来大量的碳排放；SSP4 为不均衡路径，富裕的 群体产生大部分的排放量，工业化国家和发展中国 家的大量贫困群体排放较少且易受到气候变化的影 响；SSP5 为化石燃料为主的发展路径，带来大量温 室气体排放，面临较大减缓挑战，社会环境适应挑 战较低 [12-15] 。 国际应用系统分析研究所（IIASA、德国波茨 坦气候影响研究所（PIK）以及经济合作与发展组 织（OECD）等机构开展了全球包括中国在内的 190 余个国家的经济发展预测 [16-19] ，认为采用不同的社 会经济发展政策，在 21 世纪中期全球 GDP 最高与 最低值可相差约 10 万亿美元，21 世纪末期，相差 约 60 万亿美元。国际上关于中国经济的预测基于 世界银行 2000 年或 2010 年发布的基础资料 ② ，未 考虑中国当前“二孩”政策带来的全员劳动参与率 的改变及其对经济发展的可能影响。基于中国当前 国情开展的不同气候政策下的人口变化预估表明， 未来中国的劳动力与 IIASA 经济预测采用的劳动力 人口存在差距，未来经济预测应考虑人口政策变化 带来的劳动力人口数量的改变 [20] 。 不同 SSPs 下的经济预测有益于将气候变化政 策制定和经济发展问题相结合，可为应对气候变化 风险措施的定制与实施提供科学支撑。本文根据中 国历次人口和经济普查及各省（区、市）逐年统计 数据，采用 Cobb-Douglas 预测模型，构建 21 世纪 中国和 31 个省（区、市）的经济格点数据库，研 究中国及分省的经济变化，以期为国家和地方政府 制定应对气候变化相关政策提供参考依据。 1 预测模型与参数假设 1.1 Cobb-Douglas模型及参数率定 Cobb-Douglas 经济预测模型由美国数学家 Cobb 和经济学家 Douglas 于 20 世纪初共同提出。该模型 广泛地应用于全球和各国的 GDP 预测研究 [21-23] 。模 型表达式为 公式 1 中，Yt为 t年国内生产总值（GDP， L 为劳动力投入量， K 为资本存量， α 为资本输 出的弹性系数，选择 2010 年全要素生产率初始年 T0， λ 为科技进步水平。 劳动力投入量（L）由工作年龄人口（W，各 年龄段劳动参与率（R）和教育程度（H）构成。劳 动力投入量（L）计算公式为 公式 2 中，q为工作年龄人口，分为 15 ～ 64 岁和≥65 岁两组。 2010 年 15 ～ 64 岁人口的劳 动参与率约为 77，≥ 65 岁人口的劳动参与率为 19。各省 2010 年劳动参与率根据各省统计年鉴数 据率定 [24] 。 教育程度（H）的计算公式如下 [25] 公式 3 中，M 2010 为 2010 年平均受教育年限。 ②世界银行 https//data.worldbank.org/indicator/NY .GDP.MKTP.KD。 Yt Kt α Lt 1- α T0e λt 。 1 L H Rq Wq。 2 Sq H exp 0.134min M 2010, 4 0.101min max M 2010 ‒ 4, 0, 4 0.068 max M 2010 ‒ 8, 0。 3 根据中国第 6次人口普查数据，M 2010 为 9.04。 全要素生产率（TFP）是指产量与全部要素投 入量之比，也就是技术进步。采用索洛经济增长模 型 [26] 估算，中国 2010 年 TFP 为 0.0218，与已有研 究结果相吻合 [27-28] 。 资本存量（K）指经济社会在某一时间点上的 资本总量，是利用生产函数法对生产总值准确估计 的重要变量。本文以 1952年为基准，运用永续盘存 法 [29] ，按不变价格计算中国及各省（区、市）资本 存量（K） [30] 。计算公式如下 公式 4中， d为折旧率， I为固定资本形成总额。 经计算 2010 年中国资本存量为 1391975 亿元，同时 可得到 2010 年中国资本输出的弹性系数 α 0.36。 1.2 SSPs框架下经济预测情景假设 为预测不同 SSPs 路径下中国社会经济发展状 况，对 Cobb-Douglas 模型的劳动力投入量（L、全 要素生产率 （T） 和资本存量 （K） 等要素的相关参数， 进行如下假设 [16-18] 。 15 ～ 64 岁劳动力人口的 R，SSP2 路径下维持 现有发展，处于中等水平，为 0.7 左右；SSP1 路径 下人口总数小于 SSP2，其相对高速的技术转化与大 量科技设备的投入使该路径下的 R与 SSP2 相当， 收敛于 0.7；SSP5 路径是以化石燃料为主的快速发 展，高速的经济增长依赖于高的 R，其值收敛于 0.8 左右；SSP3 路径下的劳动参与率则与 SSP5 相反， 低于历史平均值并收敛于 0.6；SSP4 路径下的发 展极不均衡，以缓慢的速度（400 年）达到一个长 期稳定的 R水平，收敛于 0.75，其他 SSPs 路径的 收敛时间均为 100 年。≥ 65 岁人口 R假定保持在 2010 年水平不变。结合不同 SSPs 路径下各年龄段 总人口数以及平均受教育年限 [21] ，可以得到未来的 劳动力投入量（L。 按照世界银行的人均收入划分标准 ③ ，中国属 于中等收入国家。SSPs 路径下中等收入国家的 TFP K t1 1-d K t I t 。 4 ③世界银行 http//data.worldbank.org/about/country-and-lending-groups。 假设如表 1所示。中等假设代表了维持目前的科技 进步水平，TFP 年均增长率为 0.7；高等假设参考 了世界发达国家历史时期 TFP 的增速变化，高/低 发展水平分别较中等发展水平高/低 50 [16-18] 。不 同 SSPs 下，TFP 呈现不同的年均增长率。SSP1、 SSP2、 SSP4情景下为 0.70； SSP3情景下为 0.35； SSP5 情景下为 1.05。不同路径下 TFP 增速的收敛 速度存在差异，维持现状的 SSP2路径为中速收敛， 拥有较高科技进步水平的 SSP1 和 SSP5 路径能较快 追赶世界发达国家，SSP3 和 SSP4 路径则需更久的 时间才能达到。 表 1 SSPs 路径下中国全要素生产率（TFP）假设 Table 1 Assumptions on total factor productivity TFP in China under the five SSPs 增长速度 收敛速度 TFP SSP1 SSP2 SSP3 SSP4 SSP5 中 高 中 中 低 低 中 低 高 高 资本存量（K）与全要素生产率（T、劳动力 投入量（L）、资本输出的弹性系数（ α）的变化见 文献 [17]。不同 SSPs 下资本输出的弹性系数 α 呈 现不同的变化水平。SSP1 和 SSP5 路径有着高层次 的国际合作，SSP5 下相对更高，将会受到更多资本 积累的影响， α 分别收敛于 0.35 和 0.45，收敛时间 分别为 75 年和 250 年；SSP2 路径下， α 长期收敛 于 0.35，收敛到该水平的速度较缓慢，为 150 年； SSP3 路径下，收敛速度也较慢， α 收敛于 0.25的时 间为 150 年；SSP4 路径下的国家经济为资本密集型 的发展情景， α 收敛于 0.30，收敛时间约为 75 年。 2 研究结果 2.1 20112016年统计和预测数据比较 对比 20112016 年中国和各省 GDP 预测结果 与统计资料，可以验证 Cobb-Douglas 预测模型模拟 效果。预测结果选用维持目前社会经济趋势的中间 路径（SSP2）情景。统计资料显示，20112016 年 气候变化研究进展 2018 年 52 气候变化影响 年平均 GDP为 56.3万亿元（2010年价格，下同， 2011 年为 46.9 万亿元，2016 年为 64.5 万亿元。同 期，模型预测的年均 GDP 为 56.9 万亿元，2011 年 为 47.2 万亿元，2016 年为 65.0 万亿元。统计与预 测数据的误差平均为 3.0，误差范围 2.0 ～ 5.0 （图 1a。 根据世界银行对人均收入的划分标准，31 个省 可划分为高、中、低收入省份。选取广东、辽宁和 宁夏分别作为高、中、低收入省份的代表。2011 2016 年广东、辽宁和宁夏三省统计的年均 GDP 分 别为 5.9 万亿、2.4 万亿、0.2 万亿元；同期模型预 测的年均 GDP分别为 6.0万亿、 2.5万亿、 0.2万亿元， 预测与统计数据误差平均为 6.0（图 1b。上述结 图 1 20112016 年 GDP 统计数据与 SSP2 路径预测结果比较 Fig. 1 Comparison of the recorded and projected annual GDP under SSP2 in 2011-2016 果表明，Cobb-Douglas 预测模型适用于中国及分省 经济预测，且模型参数的率定也合理。 2.2 20202100 年中国GDP总量和增速变化 20002016 年，中国年均 GDP 为 35 万亿元。 2000 年为 12 万亿元，2016 年较 2000 年增加了 4倍 多，达到 64 万亿元。 21 世纪中国 GDP 预测结果见图 2所示。SSP1 和 SSP4路径下， GDP呈先增加再缓慢下降的趋势， 将在 2080 年代和 2070 年代左右分别达到 250 万亿 和 200万亿元峰值，较 2016年增加 2～ 3倍；SSP2 和 SSP5 路径下，GDP 呈现持续增加趋势，但 SSP2 路径在 2050 年以后增速放缓，SSP5 路径下则保持 20002016 年 SSP1 SSP2 SSP3 SSP4 SSP5 a GDP 总量 b GDP 增速 400 GDP/ 万亿元 350 300 250 200 150 100 50 16 14 12 0 10 8 6 4 2 0 -2 GDP 增速 / 2000 2020 2040 2060 2080 2100 年 2000 2020 2040 2060 2080 2100 年 图 2 20002100 年中国 GDP 总量 a 和增速 b 变化 Fig. 2 GDP a and GDP growth rate b in China for 2000-2100 66 61 56 51 46 8 6 4 2 0 2011 2012 2013 2014 2015 2016 年 2011 2012 2013 2014 2015 2016 年 a 中国 统计数据 预测数据 b 广东、辽宁和宁夏 GDP/ 万亿元 GDP/ 万亿元 广东 辽宁 宁夏 1 期 53 姜彤，等共享社会经济路径下中国及分省经济变化预测 较快增速，2100 年 GDP 将分别达到 260 万亿和 400 万亿元左右，较 2016 年增加 3～ 5倍；SSP3 路径 下，GDP 先增加，2050 年以后几乎保持不变，2100 年 GDP约 170万亿元左右，较 2016年增加 1.6倍。 总之， 2030年前不同 SSPs路径下 GDP差异不显著， 2050 年以后差异逐渐显现，到 2100 年，GDP 总量 最大的 SSP5 与最少的 SSP3 相差达 200 万亿元以上 （图 2a。 从 GDP 的增速来看，20002010 年中国 GDP 的年均增速为10.3，2011 年开始有所放缓， 20122014 年为7.0 ～ 8.0，2015 年为6.9， 2016 年为 6.7（图 2b。不同 SSPs 路径下， 2020 年前 GDP仍旧保持 6.0左右的增速。 SSP1路径下， 2020 年代 GDP 年均增速将放缓至 4.5 左右，2030 年代将维持在年均 3.0 左右，2080 年代会出现负 增长；SSP2 路径下，2020 年代 GDP 年均增速放缓 至 4.8左右， 20302049年将维持年均 2.0左右， 2050 年至 21 世纪末增速会进一步放缓，年均增速 1.0 左右；SSP3 路径下，2020 年代 GDP 年均增速 4.2 左右，2030 年代维持在 2.0 左右，2040 年以 后增速可忽略不计；SSP4 路径下，2020 年代 GDP 年均增速 4.8 左右，此后增速逐渐放缓，至 2070 年之后出现负增长趋势；SSP5 路径下，2025 年前 依旧保持年均 6.0 的增速，2050 年前年均增速保 持在 2.0左右， 2050年至 21世纪末， 年均增速 1.0 左右。 2.3 20202100年分省GDP总量和增速变化 选择 2020 年代和 2090 年代研究中国 31 个省 （区、 市） GDP总量和增速的变化。 2020年代各省 （区、 市）年均 GDP 空间分布呈现“东高西低，南高北 低”的特点（图 3。SSP1 ～ SSP5 路径下江苏年均 GDP最高，分别为 14.9万亿、14.3万亿、13.7万亿、 14.1 万亿和 15.3 万亿元，较 2016 年的 6.5 万亿元增 加 1倍左右。西藏年均 GDP 最低，均在 0.2 万亿元 以下。 2010年 GDP位居前 8位的省份为广东、江苏、 山东、浙江、河南、河北、辽宁和四川。2020年代， SSP1、SSP3、SSP4 和 SSP5 路径下，湖北超过辽宁 排在第 8位；SSP2 路径下，上海跻身第 8位，排在 前 7位的分别为江苏、广东、山东、浙江、河南、 四川、河北。 2020 年代中国 GDP 增速各省（区、市）间存 在明显差距（图 4。SSP1、SSP2、SSP3 和 SSP5 路 径下山东年均 GDP增速最高，分别为 7.3、 8.3、 3.0 和 9.7，SSP4 路径下上海 GDP 增速最高，为 5.8；SSP1 ～ SSP5 路径下贵州年均 GDP 增速最 图 3 2020 年代中国各省（区、市）年均 GDP 空间分布 Fig. 3 Spatial distribution of provincial annual GDP in China in 2020s 50˚N 40˚N 30˚N 20˚N 40˚N 50˚N 40˚N 30˚N 20˚N 30˚N 20˚N 50˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 50˚N 40˚N 30˚N 20˚N 50˚N 40˚N 30˚N 20˚N 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E GDP/ 万亿元 a SSP1 b SSP2 c SSP3 d SSP4 e SSP5 10 无数据 GDP/ 万亿元 10 无数据 GDP/ 万亿元 10 无数据 GDP/ 万亿元 10 无数据 GDP/ 万亿元 10 无数据 气候变化研究进展 2018 年 54 气候变化影响 低，分别为1.9、1.2、-0.7、0.3 和 2.0。 SSP1路径下， GDP总量排在前 8位的省份中，广东、 山东、浙江的 GDP 增速保持在 6.0 以上，江苏、 河南、河北增速 5.5 左右，湖北、四川增速 5.1 左右；SSP2 路径下，山东、浙江、上海的 GDP 增 速在 6.0以上， 广东、 江苏、 四川增速 5.5～ 6.0， 河南、河北增速 5.2 左右；SSP3 路径下，各省的 GDP 增速均低于 3.0；SSP4 路径下，各省的 GDP 增速均低于 5.0，广东、浙江增速 4.0 以上， GDP 前 8位的其余 6省增速 3.0 左右；SSP5 路径 下，各省 GDP增速普遍高于其他路径，山东、浙江、 广东、江苏、河北的 GDP增速均超过 6.0，山东、 浙江增速超过 7.2。河南、四川增速 5.0 左右， 湖北增速 4.5 左右。 2090 年代不同路径下 GDP 前 8位的省份排名 见表2。SSP1、SSP2 和 SSP4 路径下，广东省是 GDP 最高的省份，预计达到 27 万亿、30 万亿和 24 万亿元，远高于其他各省（区、市；而在 SSP3 和 SSP5 路径下，江苏是 GDP 最高的省份，达到 17 万 亿和 43 万亿元，广东在这两种路径下分别位居第 3 位和第 2位 。与 2010年 GDP排在前 8位的省份相比， SSP1 和 SSP5 路径下，福建和上海超过辽宁和四川 图 4 2020 年代中国各省（区、市）年均 GDP 增速空间分布 Fig. 4 Spatial distribution of annual growth rate of provincial GDP in China in 2020s 50˚N 40˚N 30˚N 20˚N 40˚N 50˚N 40˚N 30˚N 20˚N 30˚N 20˚N 50˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 40˚N 30˚N 20˚N 50˚N 40˚N 30˚N 20˚N 50˚N 40˚N 30˚N 20˚N 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E 110˚E 120˚E 130˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E 90˚E 100˚E110˚E120˚E 130˚E 140˚E 80˚E 70˚E a SSP1 b SSP2 c SSP3 d SSP4 e SSP5 3 4 5 6 GDP 增速 / 无数据 3 4 5 6 GDP 增速 / 无数据 0 1 2 3 GDP 增速 / 无数据 3 4 5 6 GDP 增速 / 无数据 3 4 5 6 GDP 增速 / 无数据 进入前 8位， GDP增速均低于 1.0；SSP2路径下， 湖南和福建进入前 8位，分别位列第 7位和第 8位， 前 8位的省份中山东、河南、浙江、河北、福建均 为负增长；SSP3 路径下，河南、浙江超过山东分别 位列第 2位和第 4位，排名前 8位的省份均为负增 长。SSP3 路径下，各省份 GDP 总量远低于其他路 径。该路径较其他路径下的劳动力资源相对充足， 但劳动力受教育程度普遍偏低，不追求社会经济发 展目标，不重视技术水平和制度体系的完善，居民 生活水平较差，区域差异严重，使原本发展并不快 的省（区、市）发展更缓慢，甚至出现停滞状态； SSP4 路径下，上海和湖南进入前 8位，分别位列第 7位和第 8位，江苏、河北、河南 GDP增速为负值。 SSP5路径， 特别强调以化石能源经济的发展为导向， 原本经济发达的省（区、市）为了更快地实现发展 目标，会通过加大资本投入的方式增加自身资本存 量的积累并吸引更多劳动力人口的迁入，同时注重 全要素生产率的快速提高，从而实现自身经济的迅 猛发展。SSP5 路径下，江苏、广东、山东、浙江和 河南等省份的 GDP 远高于其他路径下的 GDP。这 些省份有着共同的特征，即经济发展水平高，有大 量劳动力迁入，且劳动力人口的受教育程度较高。 1 期 55 姜彤，等共享社会经济路径下中国及分省经济变化预测 表 2 不同路径下 2090 年代 GDP 前 8 位的省份 Table 2 Top eight provinces by GDP in 2090s under the five SSPs 广东 山东 江苏 河南 浙江 河北 福建 上海 湖南 辽宁 四川 SSP1 SSP2 SSP3 SSP4 SSP5 万亿元 省份 排名 总量 1 2 3 4 5 6 7 8 26.5 26.0 22.2 20.7 20.0 11.3 9.9 9.9 排名 总量 1 4 3 5 2 6 8 7 29.8 21.1 22.1 20.3 24.3 10.9 10.1 10.4 排名 总量 3 5 1 2 4 6 7 8 13.0 10.0 17.1 14.1 12.3 9.1 7.8 7.2 排名 总量 1 5 2 4 3 6 7 8 23.9 12.8 17.9 13.5 14.4 9.6 8.4 7.3 排名 总量 2 3 1 5 4 6 8 7 42.0 41.2 42.9 26.6 39.4 17.1 15.6 16.9 3 结论与讨论 本文根据中国人口和经济普查以及逐年统计 资料，率定 Cobb-Douglas 预测模型的劳动力投入 量、全要素生产率和资本存量等参数，并依据共享 社会经济路径框架，对模型中的参数进行假设， 预测并创建 2100 年前中国和 31 个省份 GDP 格点 （0.5° 0.5° ）数据集，分析研究 GDP 总量及增速 变化规律，研究结论如下。 1 采用不同的社会经济发展政策，未来中国 GDP 总量会呈现明显差异。SSP1 和 SSP4 路径下， 中国 GDP 总量呈现先增后降趋势，峰值将出现在 20702080 年；SSP2 和 SSP5 路径下，GDP 呈现持 续增长趋势，SSP3 路径下，2050 年以后 GDP 增长 处于停滞状态。本文研究结果与国际机构公布的数 据相比 [16-18] ,GDP 达到峰值的时间延迟 5～ 10 年左 右，峰值 GDP 高出约 10 万亿～ 20 万亿元左右； 这种差异的原因是本研究考虑了新的人口政策及其 对劳动力和科学技术进步的影响。模型参数调整仅 仅延迟 GDP 达峰的时间，但对 GDP 变化趋势没有 影响。SSP3、SSP4路径下前期经济持续增长，中、 后期增长停滞并出现负增长，说明区域竞争、不均 衡的发展路径最终可能带来更差的社会公平和经济 状况。目前中国已经是世界上能源消耗最多的国家， 特别是煤炭、电力消耗最多，人均能源消耗超过世 界平均水平，雾霾、温室气体排放和能源安全已经 成为中国当前必须面对的残酷现实 [14] 。 SSP5路径下， 经济持续增长，但与高能耗相伴的温室气体排放和 空气污染问题将愈加严重。 2 无论采用何种社会经济发展政策，未来中国 GDP 增速均呈现不同程度的放缓状态。2020 年前， 中国 GDP 仍会保持 6.0 左右的增速。随后 GDP 增速均有不同程度的减小，SSP3 下经济发展则出现 停滞状态，SSP2 和 SSP4 下还会出现负增长态势。 采用当前社会经济发展模式的 SSP2 路径预测 结论与已有世界银行及国内学者研究结论基本一 致 [5-8] ，前期保持 6.0 左右的增速，中期年均速率 放缓到 4.0 ～ 5.0，后期停滞甚至出现负增长。 说明完全依照当前的经济增长模式并不可持续，要 取得预期的经济增速，需调整经济政策与结构，降 低能源消耗水平。 3 不同社会经济发展政策对中国分省经济增长 影响显著。2020 年代 GDP 总量最高与最低省份相 差 15 万亿～ 25 万亿元。到 21 世纪末，SSP1 路径 下 GDP 总量排在前3位的省份为广东、山东和江 苏省；SSP2 下浙江顶替山东位列第2位，广东和江 气候变化研究进展 2018 年 56 气候变化影响 参考文献 IPCC. Climate change 2013 the physical science basis [M]. Cambridge Cambridge University Press, 2013 [1] 苏分别位列第 1位和第 3位；SSP3 路径下，江苏位 列第 1位，河南超过山东跻身第 2位，广东排名第 3位；SSP4 路径下排名前 3位的省份为广东、江苏 和浙江省；SSP5 路径下广东超过山东位列第 2位， 江苏和山东省分列第 1、3位。 4 2020 年代 SSP1、SSP2 和 SSP5 路径下 GDP 增速在山东、浙江等省保持 6.0 以上；SSP3 和 SSP4 路径下仅广东和浙江省可维持 5.0 左右，个 别省还出现负增长。2090 年代不同路径下各省 GDP 增速均低于 1.0。 广东、浙江、江苏等发展水平较高的省份，未 来有大量劳动力人口迁入且劳动力人口受教育程度 普遍偏高，GDP 总量预测维持较高水平。但不同 的发展路径会带来不同的社会问题。例如发展水平 较高的 SSP5 路径下，劳动力人口可能进一步向社 会经济水平发达的省份集中，在推动产业发展的同 时带来交通拥挤、基础设施不足、资源紧张、污染 增加等城市问题，发展较为落后的省份则可能面临 更大的劳动力不足，科技进步水平发展更为迟缓； SSP3 和 SSP4 路径下，人口迁移少，经济落后的省 份人口增加显著，教育与就业问题凸显，各省的经 济增速普遍放缓，部分基础较差的省份将出现负增 长，需要发展新的地区产业以促进经济发展。 在气候变化和新的人口经济政策实施背景下， 中国经济走向及增速备受关注。当前中国正处于环 境与发展的新常态，面临经济增速放缓、生态环境 承载力接近上限等众多矛盾和挑战，绿色可持续发 展是唯一可行的发展之路。 采取可持续路径 （SSP1， 中国完全有能力在 21 世纪中叶超过美国成为世界 上最大、最有实力的经济体。不同 SSPs 路径下经 济预测对未来能源分配、结构转型和灾害风险评估 都起到重要作用。本文尽管构建了中国和分省经济 预测模型，但影响未来经济发展的因素众多，存在 诸多的不确定性，在后续研究中仍需不断完善。 [4] [3] [5] [6] [7] [8] Smith A. An inquiry into the nature and causes of the wealth of nations [M]. 江苏 译林出版社 , 2013 Keynes J M. A Treatise on probability [J]. Science, 1921, 58 1490 51-52 International Monetary Fund. Republic of Madagascar economic development document [M]. IMF Country Report, 2017, No. 17/225 World Bank. Global economic prospects a fragile recovery [M]. Global economic prospects, World Bank, 2017 1-5 王小鲁 . 中国经济增长的可持续性与制度变革 [J]. 经济研究 , 2000 7 3-15 李京文 . 21世纪中国经济长期预测 20002050年 [J]. 冶金经济 与管理 , 2000 3 4-7 林毅夫 . 展望新千年的中国经济 [J]. 宁波经济 财经视点 , 2001 1 11-12 Nakicenovic N, Swart R. Special report of the intergovernmental panel on climate change [J]. Infection Immunity, 2000, 70 7 3611-3620 Ruijven B J V , Levy M A, Agrawal A, et al. Enhancing the relevance of shared socioeconomic pathways for climate change impacts, adaptation and vulnerability research [J]. Climatic Change, 2014, 122 3 481-494 vanVuuren D P, Riahi K, Moss R, et al. A proposal for a new scenario framework to support research and assessment in