碳排放市场一体化对异质性企业空间分布的影响

薛领 张晓林 胡晓楠 刘汉思

摘要随着全国碳排放交易体系的启动，碳市场一体化对企业区位选择、产业转移以及中国空间经济格局的影响是一个值得关注的问题。本文以碳市场一体化为背景，整合“新”新经济地理学（NNEG）和基于agent的计算经济学（ACE）的理论和方法，直接从异质性企业生产决策、碳交易和区位选择行为出发，建立了一个基于agent的两区域空间经济学模型和计算实验平台，并通过设置不同的政策情景，探讨了碳市场一体化背景下碳减排、碳交易、区域政策倾斜及碳配额分配方式等多种因素对企业的区位选择、产业集聚、东西部区域差异、效率与福利、碳交易活跃度等方面的动态影响。研究表明：①在没有东西部地区间碳减排政策差异和碳市场交易的情形下，碳减排政策并不必然改变企业的区位选择，这种环境管制能够加剧企业间竞争，从而提升各地区企业的生产效率。②在没有碳市场交易的情形下，对西部地区的碳政策倾斜将影响企业区位选择，改变经济的空间格局，缩小地区之间的差异，但缩小区域差距的效果随着碳约束的收紧而减弱。③在同时存在区域碳政策倾斜和碳市场交易的情形下，碳市场交易有利于企业向东部发达地区集聚，企业边际成本降低，两地区企业总数量增多，社会总体福利增加。④碳配额的分配方式直接决定碳交易的生命力。分配规则尽可能地纳入企业异质性因素不仅能提升碳交易活跃度和持久度，还能优化资源配置，提升全局经济效率。本文还就整合空间经济学和基于agent的计算经济学的研究方法和技术路线进行了讨论。

关键词碳市场一体化；异质性企业；区位选择；“新”新经济地理学；基于 agent 的计算经济学

中图分类号X196；F061.5文献标识码A文章编号1002-2104（2018）08-0001-11DOI：10.12062/cpre.20180419

气候变暖作为全球面临的共同挑战，事关人类社会未来几个世纪的生存与发展。中国作为经济体量最大的发展中国家和碳排放第一大国，在全球节能减排行动中毋庸置疑要主动承担责任。中国在积极承担减排责任的过程中也一直在研究和借鉴国际已有的碳减排政策和制度实践，探索有效政策手段。其中，碳排放交易就是确保区域实际排放量不超过限定排放总量的一种减排措施。2004年，世界第一个碳排放权交易体系-欧盟碳排放交易体系（European Union Emissions Trading System， EUETS）成立。此后陆续出现了一些区域性的碳排放权交易市场，如美国芝加哥气候交易所、日本自愿排放交易体系等。2011年10月，国家发展和改革委员会宣布2013年将在北京等7个省市开启碳交易试点。2017年12月国家发改委印发《全国碳排放权交易市场建设方案（发电行业）》，标志着中国碳交易体系完成总体设计、正式启动。中国不同区域的经济发展水平、企业生产效率、产业结构和碳排放水平存在差异，通过碳市场一体化来实现大规模碳减排究竟会对不同区域的经济发展和产业分布造成怎样不同的影响，是一个值得关注的问题。

1文献综述

Dales[1]认为二氧化碳排放许可权交易的概念来自于排污权交易，其理论基础是经济学中外部性的内部化以及科斯的产权理论。自碳排放权交易的概念提出以来，国内外学者形成了丰富的研究成果，在碳配额总量的确定[2-3]、碳配额的分配[4-7]和交易定价[8-11]等热点问题上达成了许多共识。随着环境经济地理的发展[12-17]，环境污染规制下企业迁移行为及其对空间分布的影响日益成为研究热点。Walter和Ugelow[18]提出的“污染避难所”假说认为由于环境政策差异，污染密集型的企业倾向于迁移到发展中国家。另外，众多研究[19-20]表明存在一国政策导致碳排的减少会因为国际贸易的存在使未采取减排政策国家碳排的增加的“碳泄漏”现象。贺灿飞等[15]、金祥荣等[21]等研究表明中国不同区域之间也可能存在“污染避难所”现象，由于不同地区的环境规制的严格程度存在差异，污染性企业可能会在环境规制的压力之下选择迁移[22-25]。但是，碳交易对企业的空间布局的影响研究尚不多见。从研究方法看，汤铃[26]认为CGE和ABM建模方法是当前碳交易政策模拟模型主要采用的方法。CGE方面，石敏俊等[27]、袁永娜等[28]、黄蕊[29]利用CGE研究了碳税、碳交易等政策及碳排放空间转移等问题。ABM方面，研究集中于碳交易市场中个体行为、方案设计、市场机制、国家政策等对于企业效率、碳市场效能及宏观经济的影响[30-34]。

碳交易市场是一个包含了众多异质性企业的复杂系统，企业根据生产需求做出不同决策，是一种分散化决策的集合。传统数理分析难以进行全面分析，而ABM方法具有天然的异质性优势，能够从微观个体企业的自主决策出发模拟企业空间分布的演化过程。对于政策分析而言，ABM 也有其优势，尤其对于企业异质性、地区异质性、发展动态性都十分显著的中国。采用 ABM 进行模拟可以纳入大量政策参数模拟非常具体的情景，调节参数大小进行反复验证从而保证结果的稳健性[35-36]。

本文在空间经濟学和基于agent的计算经济学的理论基础上，以碳约束和碳排放权交易一体化为背景，建立了一个基于agent的两区域空间经济学模型。空间经济学试图把空间要素纳入到一般均衡分析框架中，在规模报酬递增和不完全竞争市场假设下研究了集聚的动力、形态与效应问题，解释了空间因素在资源配置中的作用，为分析空间经济问题提供了一个有效的分析框架[38-45]。而基于agent的计算经济学核心思想是通过建立由计算机模拟的经济系统，通过观察微观主体的交互作用，来研究这些作用所产生的宏观“涌现”现象，并利用该系统进行大量的模拟实验来研究各种复杂的经济现象，以理解经济系统的自组织性、演化性和宏观与微观的关联性[45-47]。

本文建模方法上没有采用传统静态均衡的数理分析的方法，而是采用“自下而上”建模方法通过设立异质性的企业agent及其行为活动规则，展示宏观经济和空间分布的演化过程。

2.1空间结构、市场结构与基本假设

中国区域发展差异显著，主要表现为东部和西部的经济差异，东部地区人口密集、企业分布较多，经济相对发达；西部地区则相反。因此模型假定整个经济系统由两非对称区域组成，是一个两区域空间经济模型。本文在DS的垄断框架下建模，市场结构为垄断竞争结构，模型具体结构和假设如表1所示。

给定统一的碳配额价格空间结构假设两个非对称区域（A地和B地），两个区域存在外生差异，拥有不同水平的地区居民总收入、企业平均生产效率和初始企业数量，分别对应东部发达地区（A地）和西部欠发达地区（B地）

产品可在区域间进行贸易，并使用冰山贸易技术来处理区际贸易的运输成本市场结构企业有不同的固定成本和边际成本

不同的工业品之间具有固定不变的替代弹性

每个企业只生产一种差异化的产品，企业数等于产品种类数

每个企业具有一定的垄断性，面对需求价格弹性不变的需求曲线

企业不能制定垄断价格，而是采用边际成本加成的定价法

对于碳排放权交易的部分，模型采用免费的分配方式为企业分配初始的碳配额。不同于现实中免费的分配方式难以避免因信息不对称性而导致的企业虚报碳排放额度的道德风险，在模型中企业agent的一切信息都是真实且透明的。当前，免费发放的分配方式主要分为祖父法和基准法两种，其中，祖父法指的是企业以其历史排放量为参照获得的配额，适用于产品种类多、生产工艺差别大的行业；而基准法指的是根据整个行业的碳排放强度水平划定一个基准线，适用于产品单一、生产工艺标准化的行业。本文在垄断竞争框架下建模，假定每个企业生产的都是多样化的不同产品，比较适合采用祖父法的分配方式。为了方便观察政策情景，模型碳交易市场采用统一的外生给定的碳配额交易价格。

2.2企业agent的行为规则

2.2.1企业agent的需求函数

模型不将劳动力视为生产要素，两个区域的居民各自视为一个整体，居民对经济系统的影响只通过购买工业产品来体现。假定居民将所有收入用于购买工业产品，A地区居民的总支出Ea等于总收入Ia，A地区居民的总支出Eb等于总收入Ib。以A地区企业为例，面临的需求函数为：

ci=p-σiP1-σaEa+τ1-σp-σiP1-σbEb（1）

其中，pi为A地区第i个企业的产品价格，τ为两地区间运输成本，σ为产品间替代弹性。Pa和Pb分别为A地区和B地区工业产品的价格指数，以A地区为例价格指数为：

Pa=[∑nai=1p1-σi+∑nbj=1（τpj）1-σ]11-σ（2）

其中，pj为B地区第j个企业的产品价格，na和nb为A地区和B地区企业数量。

2.2.2企业agent的生产函数

在模型中，假定没有碳约束的情况下企业生产需要F单位的资本作为固定投入，每生产一个单位的品又需要v单位边际资本。其中资本回报率为r，系统外生给定且两区域相同。为了方便我们在实际模型中将其取作1。而当企业的生产需要受到碳排放配额的约束时，企业在生产每一单位的产品时除了可变成本v之外，还要额外付出q单位的碳配额。考虑到在严格控制碳排放总量的背景下碳配额是一种稀缺品，在碳交易市场上能换取利润，企业将生产中所消的碳配额视为一种机会成本是比较合理的。因此以A地区为例代表性企业的利润函数為：

π=px-（rF+（rv+pcarbonq）x）（3）

其中，q代表的碳排放强度是企业每生产一单位产品排放的二氧化碳的量，是固定成本F和边际成本v的函数。x为企业生产产品数量。企业要追求利润最大化，应采取的最优定价策略是边际成本加成方法。企业生产产品最优定价为：

p=σ（rv+pcarbonq）σ-1（4）

2.2.3企业agent迁移与淘汰

当碳交易结束，最终产量确定，企业得到了该阶段利润后进入迁移决策环节。企业在假定所有其他企业维持现状的前提下，通过预测其迁移到另一区域后生产经营的处境来进行迁移决策。如果企业预测迁移到另一地区的利润比当前更高，则会决定迁移。但是是否成功迁移还会受到迁移概率的限制。此外，在上一周期亏损的企业，都有一定概率死亡，退出市场。如果一个地区上一期有正的平均利润，则新周期会有5个新企业进入市场。

2.3碳交易规则

2.3.1碳配额总量确定规则

在确定经济系统内的碳排放配额总量total_quota之前，我们可以根据已知企业和系统变量确定企业没有收到碳配额约束的情况下自行生产时对应的初始排放总量initial_emission。第一期时在初始排放总量的基础上削减一定比例来作为初始的碳配额总量，以保证在引入碳约束和碳交易之初配额是稀缺的。随着模型的运行，每一个周期total_quota 都会在上一期的基础上以一定的速率emission_cut_annual递减。因此每期的碳配额为：

total_quotat-1=（1-emission_cut_annual）total_quotat（5）

碳配额总量的减少并不是无限持续的，模型事先设置一个长期的减排目标。在模型中设立一个初始碳排放总量的百分比形式的减排力度，用emission_cut来表示，并用cut_target来表示长期的排放量的目标。

cut_target=（1-emission_cut）initial_emission（6）

2.3.2碳配额分配规则

初始以及每一期碳配额总量确定了之后，需要把配额分到两个区域。不同于碳市场试点中的配额分配，在全国统一的碳排放权交易市场的前提下，东西部区域间发展阶段差异较大，需要考虑不同的区域面对同一种规则产生的不平衡问题。模型在按照区域历史碳排放量分配的基础上，引入碳配额政策偏向参数carbon_policy_bias。假定政府有动机支持欠发达的 B 地区（西部）发展，愿意给予更多的政策扶持。因此两地区碳配额可用如下函数表示：

a_quota=total_quotatcarbon_policy_bias·a_emissiona_emission+b_emission（7）

b_quota=total_quotat-a_quota（8）

确定了两个区域的碳配额之后，每个企业以自己的历史排放量占区域历史排放量的比重为基础分得配额。本文将尝试采用按历史排放量分配、基于历史排放量的产量加成分配和基于历史排放量的产量和边际减排成本加成分配三种分配方式。如表2伪代码以按历史排放量分配的方式为例表示出了企业获得碳配额的过程。

2.3.3碳配额交易规则

[计算该企业的排放量占B地区新一期总排放量的比例，乘以B区域新一期碳配额bquota，得到该企业的配额quota]前会有一个初步的生产决策。企业的初步生产决策取决于消耗配额增加生产所获取的利润与卖掉的碳配额获取的收入的相对大小。

在进行碳交易之前，每个企业都会计算分到的碳配额与达到最优的产量所需的碳配额之间的差值，这个差值记为gap，对于配额盈余的企业，gap为正，而配额短缺的企业，gap为负。随着交易的进行，配额需求和配额供给越来越少，当配额供给降低为0时，碳市场上已经买不到配额，本期的碳交易结束，所有企业确定了最终产量。具体的碳配额交易和产量确定过程可以用表3伪代码表示。

由于模型中不存在竞价拍卖，而是采用固定价格交易，在供不应求的情况下，通过随机指定买家的方式交易。

2.4模型的运行流程

模型是一个不断循环的结构，涉及多个环节的全局和局部行为，企业生产、迁移、退出进入及系统碳配额确定、分配、碳交易等过程的流程框架可以由图1表示。

3情景模拟

3.1情景设置

本文将重点探讨碳配额约束、碳配额交易、区域政策偏向、碳配额分配方式等多种因素如何影响企业的空间选择、地区效率与福利以及碳市场交易活跃程度（见图2）。

通过有无碳约束、有无碳政策偏向和有无碳交易的政策组合设置不同的模拟情景，通过对比模拟结果以剥离掉其他因素影响，观察碳交易对企业空间分布的真正影响。根据需要，存在碳交易情况下分别设置了不同的碳配额分配方式，以探讨碳背景下影响企业空间分布的其他重要因素。情景设置如表4所示。

为更好地探讨碳交易对异质性企业空间分布的影响，先模拟无碳交易的情形作为一个参照基准，以便能够更清晰地分析碳交易情形下的各类现象。

3.1.2情景2～3：存在碳约束但不可交易

不可交易的碳约束情景指的是政府对企业的生产有配额的限制，遵循与碳交易类似的总量控制和逐年递减规则，不同的地方在于碳配额不能用于交易。

情景2中区域的碳配额按照历史排放比例分配，然后企业碳配额再按照历史排放比例，相当于碳配额总量按各企业历史排放量比例无差异分配给A、B两地企业，A、B两地区域碳配额分配没有偏向。

情景3中区域的碳配额在按照区域历史碳排放量分配的基础上，引入碳配额政策偏向参数。假定政府有动机支持欠发达的B地区发展，愿意给予更多的政策扶持。区域碳政策偏向就意味着进一步对A地企业的生产无差别地加强限制，而相应地无差别放宽了对B地的限制。

3.1.3情景4～6：存在碳约束并可交易

情景4～6中碳配额可以作为一种商品进行交易，从而使其拥有了价值，模型才得以将碳配额作为边际成本的一部分纳入生产函数。由于在情景1不存在碳配额，而情景2～3中碳配额不可交易，只是作为一種限制企业产量的管制工具发挥作用，因此前两种情景的生产函数和情景4～6是不同的。所以，将情景4～6中模拟出的情况与前三种情景进行绝对数值上的对比是没有意义的，只能对比两区域相关变量相对大小。

情景4采用基于历史排放量的分配方式，该方式指的是按照企业此前的碳排放水平来分配碳配额的方式，又被称作祖父法。采用基于历史排放量分配的方式时，进行“无差别的”分配，没有惩罚低效率企业、奖赏高效率企业的作用，区域内的每一个企业无论效率高低，其碳配额的紧缺或宽裕程度是完全一样的。于是来自同一个区域的企业在碳交易市场中扮演完全相同的买或卖的角色，不存

在区域内部的碳配额交易。

情景5采用基于历史排放量的产量加成分配方式。碳交易的初衷在于用市场手段合理配置碳配额资源，争取用尽可能小的代价实现节能减排。因此，情景5模型在历史排放量的基础上乘以一个和产量有关的系数，具有相同历史排放量的企业中，产量多的企业能获得相对更多的碳配额。这相当于在情景4中的分配结果的基础上，再根据产量的高低进行一个内部转移。在情景5中，将这个产量相关的系数表示为c。

额交易碳配额分配方式情景1否否否情景2是否否基于历史排放量分配情景3是是否基于历史排放量分配情景4是是是基于历史排放量分配情景5是是是基于历史排放量的产量加成分配情景6是是是基于历史排放量的产量与边际减排成本加成分配

1分配方式。事实上，碳强度不光取决于企业的生产效率，更大程度上是由工业类型所决定的。一家企业的碳强度高不一定说明其效率低，很可能是由于其固定成本高，来自更“重”的生产行业。因此，情景6模型考虑一种纳入了边际减排成本的分配方法，在基于历史排放量的产量加成分配的基础上乘以边际减排成本，把企业用每一单位碳配额所创造的价值考虑进来。

3.2模拟结果与讨论

3.2.1比较1：情景1与情景2

由图3和图4两种情形企业数量可以看出，1 000个周期后两种情景中A、B两地的企业数量的比例相当，但是情景1中两地企业数量的绝对值比情景2高。同样，两种情景中企业平均边际成本的比例也相当，但是情景1中的两地的平均边际成本都较高。具体数字如表5所示。

两个情景比较结果可知，碳约束并没有改变企业在区域之间的空间分布。即使不存在碳交易，碳约束本身就有提升地区生产效率的作用。因为碳约束作为一种外生冲击实质上是对企业的一种产量限制，恶化了企业的生存状况。在生产受到限制并且约束越来越收紧的情况下，企业要实现盈利就必须有更高的生产效率。这相当于一种加剧竞争的力量，淘汰了更多低效率的企业。因此，在没有其他因素的干扰下，碳减排不改变企业的空间分布，只加剧了企业竞争使企业的平均效率提高。碳约束本身既不是企业区位选择分散力也不是聚集力。

3.2.2比较2：情景2与情景3

由图5、图6所示，情景2与情景3在两地企业数量和总利润差距存在显著的差异，在情景3即存在区域碳政策偏向的情况下，两地企业的数量和总利润的差距比情景2中小。同时情景3中企业数量和总利润的总和略小于情景2。具体比值如表6所示。

碳政策偏向是一种企业区位选择分散力，能有效地改善低效率地区（B地）的企业在碳约束下的留存数量，提升地区总利润。相应地，区域碳政策偏向也会加剧高效率地区（A地）的竞争，降低其总利润和企业留存数。因此，区

2域碳政策偏向是企业区位选择的分散力，改变了企业的空间分布，缩小了地区之间的差异，但分散力缩小区域差距的效果随着碳约束的收紧会越来越弱。

3.2.3比较3：情景3与情景4

对比情景3和情景4的模拟结果，存在碳交易的情况下，两地企业总体数量明显增多，企业数量的增加有利于社会总体福利的增加；企业平均成本明显降低，企业效率提高。另外，碳交易使得两地企业的空间分布发生了改变，东部企业比例增加。具体对比如表7所示。

碳交易将碳配额货币化，使所有企业都将碳的排放当做了一种内生的成本，影响了企业的成本、产品价格和需求量等一系列因素。企业生产要考虑环境的机会成本，相对于不可交易的碳约束，企业更有效率，企业总体数量增加。同时，由于碳配额变成了可以流动的要素，东部地区的吸引力增加。

表6情景2和情景3两区域模拟结果比值

Tab.6Ratio of simulation results of two regions in

Scenario 2 and Scenario 3变量（B/A）情景2情景3企业数量比0.480.74产值比0.420.65产量比0.400.69总利润比0.370.78边际成本比0.991.06

图6情景3模拟结果

Fig.6Simulation result of Scenario 3

图7情景3模拟结果

4因此，在有区域碳政策偏向下，碳交易有利于企业向东部地区集聚。碳交易是区位选择的集聚力，同时相比没有碳交易情景碳交易也使企业数量整体增多，社会总体福利增加。另外无论有没有区域碳政策偏向，碳交易都明显降低了企业的边际成本，提高了效率。

3.2.4比较4：情景4、情景5与情景6

图9、图10、图11展示了不同分配方式下的模拟结果，由企业碳配额销量可知情景4～6三种情景活跃程度越来越高，发生的绝对量越来越大和发生的时间越来越长。由企业总利润可知情景6和情景5地区总利润显著高于情景4地区总利润，碳配额分配方式会影响社会总福利。因此碳配额的分配方式直接决定了碳交易的生命力，其中基于历史排放量分配方式下碳交易最不活跃；产量加成分配较活跃；产量和边际减排成本最活跃的。分配方式会影响社会总效益，其中基于历史排放量的分配方式的对

4结论

本文以全国性碳排放权交易市场启动背景，建立了一个基于agent的两区域空间经济学模型，用计算机模拟的方法探讨了两个非对称地区中的异质性的企业agent在碳交易一体化背景下演化出新的空间结构的过程。研究结果表明：长期看，碳市场一体化能够改變企业的区位选择，重塑中国经济地理。具体来说，区域间没有碳政策差异的情况下，碳减排本身不会改变企业的区位选择，只是加剧企业竞争提升了企业效率，既不是企业区位选择分散力也不是聚集力。但是，无论有没有碳交易，碳约束都限制了企业的生产，恶化了企业的生存状况，不可避免会带来地方的经济损失。区域碳政策偏向是企业区位选择的分散力，改变了企业的空间分布，缩小了地区之间的差异，但这种空间分散力缩小区域差距的效果随着碳约束的收紧会越来越弱。本文模拟结果的政策含义是，区域碳政策需要与其他改进优化产能、产业转型升级等各项政策配合进行、协同作用，注重生产力的提升，缩小区际生产效率的差距，才是长远上解决问题的办法。否则区域碳政策只是一种得不偿失的区际财富转移。

有区域碳政策偏向情况下，碳市场一体化有利于企业向东部发达地区集聚。同时碳交易使企业边际成本降低，企业数量也整体增多，社会总体福利增加。比起无碳市场交易的情况，引入碳交易能够将环境成本内生，进一步引导企业提升生产效率。完成节能相同减排的目标，碳交易比直接限制产量的碳约束更有效率，付出的代价更少。

另外，碳配额的分配方式直接决定碳交易的生命力。基于历史排放量的产量和边际减排成本加成，把企业用每一单位碳配额所创造的价值考虑了进来，将配额更多地向创造价值更多的企业倾斜，有利于提升碳交易活跃度改善社会总福利。分配规则的制定要尽可能地纳入多种异质性因素，使碳配额的分配在企业之间形成多样化的梯度，才能让碳市场更活跃、让更多的企业参与到碳交易中，并使碳交易能长期发挥作用。因此，在区域碳政策设计上，科学的碳配额分配方式不仅能使碳交易活跃度和持久度上升，还能优化资源配置，提升全局的经济效率和地区福利。

本文的研究方法具有可行性和可操作特征，能够验证已发现的结论，也能够发现一些新的规律，并为以后的研究可借鉴的方法和研究的方向。但是，本研究在模型构建和动态模拟上仍能进行改进：①由于本文研究的是中国的“东部-西部”这种较大地理尺度的空间经济问题，没有设置可空间迁移的居民或者劳动力agent。如果居民agent也能迁移将丰富模型细节。②在现实中，企业不会被动地等待淘汰，而是根据竞争形势调整策略。因此企业响应是波特假说还是“污染避难所”假说值得进一步研究。③模型的数值的设置与处理方面需要加强实证的基础，增强模型的有效性。④ABM方法初值敏感的特点和一定的偶然性可能使得模拟结果掺杂“噪音”，因此可以进行参数校正和重复模拟提高模型可靠性。

（编辑：于杰）

参考文献（References）

[1]DALES J H. Pollution， property & prices： an essay in policymaking and economics[M]. Toronto： University of Toronto Press， 1968.

[2]YI W J， ZOU L L， JIE G， et al. How can China reach its CO2， intensity reduction targets by 2020？ a regional allocation based on equity and development[J]. Energy policy， 2011， 39（5）： 2407-2415.

[3]赖力， 赵小风， 陈露露. 中国温室气体排放总量控制的关键问题和实施路径初探[J]. 中国人口·资源与环境， 2015， 25（S2）：1-5. [LAI Li， ZHAO Xiaofeng， CHEN Lulu. Study on key problems and pathway of total amount control of Chinese greenhouse gas emissions[J]. China population， resources and environment， 2015， 25（S2）： 1-5.]

[4]BOEMARE C， QUIRION P. Implementing greenhouse gas trading in Europe： lessons from economic literature and international experiences[J]. Ecological economics， 2002， 43（2）： 213-230.

[5]CRAMTON P， KERR S. Tradable carbon permit auctions： how and why to auction not grandfather[J]. Energy policy， 2002， 30（4）： 333-345.

[6]PEZZEY J C V. Emission taxes and tradeable permits： a comparison of views on longrun efficiency[J]. Environmental and resource economics， 2003， 26（2）： 329-342.

[7]樸英爱. 低碳经济与碳排放权交易制度[J].吉林大学社会科学学报， 2010， 50（3）： 153-158. [PIAO Yingai. Low carbon economy and carbon emission trading system[J]. Jilin University journal social sciences edition， 2010， 50（3）： 153-158.]

[8]CRIQUI P， MIMA S， VIGUIER L. Marginal abatement costs of CO2 emission reductions， geographical flexibility and concrete ceilings： an assessment using the POLES Model[J]. Energy policy， 1999， 27（10）： 585-601.

[9]LIAO C N， CHEN M H. Average shadow price and equilibrium price： a case study of tradable pollution permit markets[J]. European journal of operational research， 2009， 196（3）： 1207-1213.

[10]林云华. 排污权影子价格模型的分析及启示[J]. 环境科学与管理， 2009， 34（2）：16-19. [LIN Yunhua. The research on the implications and apocalypses of shadow price model of tradable permits[J]. Environmental science and management， 2009， 34（2）：16-19.]

[11]钟静婧. 国际碳排放权交易典型定价理论及其对我国的启示[J]. 价格月刊， 2015（1）：8-11. [ZHONG Jingjing. Typical pricing model on international emission permits trade of carbon and its enlightenment to China[J]. Prices monthly， 2015（1）：8-11.]

[12]贺灿飞， 周沂. 环境经济地理研究[M].北京：科学出版社， 2016：12-32. [HE Canfei， ZHOU Yi. The research on environmental economic geography[M]. Beijing： Science Press， 2016： 12-32.]

[13]DEACON R T， KOLSTAD C D， KNEESE A V， et al. Research trends and opportunities in environmental and natural resource economics[J]. Environmental & resource economics， 1998， 11（3-4）： 383-397.

[14]SOYEZ D， SCHULZ C. Facets of an emerging environmental economic geography （EEG）[J]. Geoforum， 2008， 39（1）： 17-19.

[15]BRIDGE G. Environmental economic geography： a sympathetic critique[J]. Geoforum， 2008， 39（1）： 76-81.

[16]AOYAMA Y， BERNDT C， ENGELEN E， et al. Emerging themes in economic geography： outcomes of the economic geography 2010 workshop[J]. Economic geography， 2011， 87（2）： 111-126.

[17]BRAKMAN B S， GARRETSEN H， MARREWIJK C V. An introduction to geographical economics： trade， location and growth[M]. Cambridge： Cambridge University Press， 2009.

[18]WALTER I， UGELOW J L. Environmental policies in developing countries[J]. Ambio， 1979， 8（2/3）： 102-109.

[19]PALTSEV S V. The Kyoto protocol： regional and sectoral contributions to the carbon leakage[J]. Energy journal， 2001， 22（4）： 53-79.

[20]ELLIOTT J， FOSTER I， KORTUM S， et al. Trade and carbon taxes[J]. American economic review， 2010， 100（2）： 465-469.

[21]金祥荣， 谭立力. 环境政策差异与区域产业转移——一个新经济地理学视角的理论分析[J]. 浙江大学学报（人文社會科学版）， 2012， 42（5）： 51-60. [JIN Xiangrong， TAN Lili. Differences in environmental policies and transfer of regional industry： a perspective of new economic geography （NEG）[J]. Journal of Zhejiang University （humanities and social sciences）， 2012， 42（5）： 51-60.]

[22]刘颖， 周沂， 贺灿飞. 污染企业迁移意愿的影响因素研究——以浙江省上虞市为例[J].经济地理， 2014， 34（10）： 150-156. [LIU Ying， ZHOU Yi， HE Canfei. Influence factors of polluting firms propensity to relocate： a case study of Shangyu City in Zhejiang[J]. Economic geography， 2014， 34（10）： 150-156.]

[23]傅帅雄， 张可云， 张文彬. 环境规制与中国工业区域布局的“污染天堂”效应[J]. 山西财经大学学报， 2011， 33（7）：8-14. [FU Shuaixiong， ZHANG Keyun， ZHANG Wenbin. Environmental regulation and the effect of ‘pollution haven on regional industrial layout of China[J]. Journal of Shanxi Finance and Economics University，2011，33（7）：8-14.]

[24]曾文慧. 流域越界污染规制：对中国跨省水污染的实证研究[J]. 经济学（季刊）， 2008， 7（1）： 447-464. [ZENG Wenhui. Regulation on transboundary water pollution： a study on interjudiciary riverbasin pollution in China[J]. China economic quarterly， 2008， 7（1）： 447-464.]

[25]曾贤刚. 环境规制、外商直接投资与“污染避难所”假说——基于中国30个省份面板数据的实证研究[J]. 经济理论与经济管理， 2010（11）： 65-71. [ZENG Xiangang. Environmental regulation， foreign direct investment and ‘pollution haven hypothesis[J]. Economic theory and business management， 2010（11）： 65-71.]

[26]汤铃， 武佳倩， 戴伟， 等. 碳交易机制对中国经济与环境的影响[J]. 系统工程学报， 2014， 29（5）： 701-712. [TANG Ling， WU Jiaqian， DAI Wei， et al. Impacts of carbon emission trading on Chinas economy and environment[J]. Journal of systems engineering， 2014， 29（5）： 701-712.]

[27]石敏俊， 袁永娜， 周晟吕， 等. 碳减排政策：碳税、碳交易还是两者兼之？[J]. 管理科学学报， 2013， 16（9）： 9-19. [SHI Minjun， YUAN Yongna， ZHOU Shenglv， et al. Carbon tax， capandtrade or mixed policy： which is better for carbon mitigation？[J]. Journal of management sciences in China， 2013， 16（9）： 9-19.]

[28]袁永娜， 石敏俊， 李娜. 碳排放许可的初始分配与区域协调发展——基于多区域CGE模型的模拟分析[J]. 管理评论， 2013， 25（2）： 43-50. [YUAN Yongna， SHI Minjun， LI Na. Analysis of regional assignment of carbon emission permits and its impacts on regional development in China： based on a multiregional computable equilibrium model[J]. Management review， 2013， 25（2）： 43-50.]

[29]黄蕊， 刘昌新， 王铮. 碳税和硫税治理下中国未来的碳排放趋势[J]. 生态学报， 2017， 37（9）： 2869-2879. [HUANG Rui， LIU Changxin， WANG Zheng. Future carbon emissions trends under carbon and sulfur taxation governance in China[J]. Acta ecologica sinica， 2017， 37（9）： 2869-2879.]

[30]BENENSON I. Multiagent simulations of residential dynamics in the city[J]. Computers environment & urban systems， 1998， 22（1）： 25-42.

[31]KEMPENER R. Simulating personal carbon trading： an agentbased model[R]. Brighton： SPRU， 2009.

[32]CHAPPIN E J L， DIJKEMA G P J. On the impact of CO2 emissiontrading on power generation emissions[J]. Technological forecasting & social change， 2009， 76（3）： 358-370.

[33]MUTLU F， FESCIOGLUUNVER N. Agentbased simulation of carbon emissions trading market[C]// Technology Management in the Energy Smart World. New York： IEEE， 2011： 1-10.

[34]武佳倩. 基于agent的碳交易機制设计及对中国经济与环境影响研究[D]. 北京： 北京化工大学， 2015. [WU Jiaqian. Carbon emission trading scheme exploration in China and impacts on Chinas environment and economy and economy： a multiagentbased model[D]. Beijing： Beijing University of Chemical Technology， 2015.]

[35]TROITZSCH K G. Validating simulation models[C]. Magdeburg： European simulation multiconference on networked simulation & simulation networks， 2004： 265-270.

[36]薛领， 翁瑾. 我国区域旅游空间结构演化的微观机理与动态模拟研究[J]. 旅游学刊， 2010， 25（8）： 26-33. [XUE Ling， WENG Jin. Study on microcosmic mechanism and dynamic simulation of chinas regional tourism spatial structure evolution[J]. Tourism tribune， 2010， 25（8）： 26-33.]

[37]FUJITA M， KRUGMAN P R， VENABLES A J. The spatial economy： cities， regions， and international trade[M]. Cambridge： MIT Press， 2001.

[38]张跃军，孙亚方，郭晓铛.欧洲碳期货市场动态套利策略建模及实证研究[J].北京理工大学学报（社会科学版），2017，19（1）：1-8.[ZHANG Yuejun， SUN Yafang， GUO Xiaodang. The dynamic arbitrage strategies in European carbon futures markets： models and empirical analyses[J]. Journal of Beijing Institute of Technology（social sciences edition），2017，19（1）：1-8.]

[39]王琛.碳配額约束对企业竞争力的影响[J].北京理工大学学报（社会科学版），2017，19（1）：47-55.[WANG Chen. How will the carbon qota cnstraint afect the cmpetitiveness of cmpanies？[J]. Journal of Beijing Institute of Technology（social sciences edition），2017，19（1）：47-55.]

[40]杨仕辉，余敏.碳配额不同分配机制下供应链碳减排优化策略[J].经济与管理评论，2016（6）：35-42.[YANG Shihui， YU Min. Optimal carbon emission reduction decisions in supply chain under different allocation mechanism of carbon quota[J]. Review of economy and management，2016（6）：35-42.]

[41]PENG S Z， CHANG Y， ZHANG J T. Consideration of some key issues of carbon market development in China[J]. Chinese journal of population， resources and environment，2015，13（1）：10-15.

[42]KRUGMAN P. Increasing returns and economic geography[J]. Journal of political economy， 1991， 99（3）： 483-499.

[43]BALDWIN R E， OKUBO T. Heterogeneous firms， agglomeration and economic geography： spatial selection and sorting[J]. Journal of economic geography， 2006， 6（3）： 323-346.

[44]杨开忠， 董亚宁， 薛领，等. “新”新经济地理学的回顾与展望[J]. 广西社会科学， 2016（5）： 63-74. [ YANG Kaizhong， DONG Yaning， XUE Ling， et al. Review and prospect of ‘new new economic geography[J]. Social sciences in Guangxi， 2016（5）： 63-74.]

[45]LANE D A. Artificial worlds and economics[J]. Journal of evolutionary economics， 1993， 3（2）： 89-107.

[46]TESFATSION L S. Agentbased computational economics[J]. Journal of economic dynamics & control， 2002， 2（2）： 303-304.

[47]ARIFOVIC J， KARAIVANOV A. Learning by doing vs learning from others in a principalagent model[J]. Journal of economic dynamics & control， 2007， 34（10）： 1967-1992.