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

作者简介:姜彤,男,研究员,jiangtong@cma.gov.cn

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2020—2100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2070—2080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
Projection of national and provincial economy under the shared socioeconomic pathways in China
JIANG Tong1,2, ZHAO Jing1, CAO Li-Ge2, WANG Yan-Jun1, SU Bu-Da1,2,3, JING Cheng1, WANG Run4, GAO Chao5
1 Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, School of Geography,Nanjing University of Information Science & Technology, Nanjing 210044, China;
2 National Climate Center, China Meteorological Administration, Beijing 100081, China
3 State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi 830011, China
4 School of Resources and Environmental Science, Hubei University, Wuhan 430062, China
5 Department of Geography & Spatial Information Techniques, Ningbo University, Ningbo 315211, China;
Abstract

Based on national demographic and economic census and annual statistical yearbooks, this paper focused on the projection of national and provincial economy in China during 2020-2100, using Cobb-Douglas model under the five shared socioeconomic pathways (SSPs). The results show that: (1) national economy will keep rising up to 2070-2080 and then decline under sustainability (SSP1) and inequality (SSP4), while GDP will continue to grow under middle of the road (SSP2) and fossil-fueled development (SSP5) and stagnate after 2040 under regional rivalry (SSP3). (2) GDP can maintain about 6.0% growth rate before 2020s under all SSPs, but will slow down to less than 5.0% afterwards and may stagnate or even show negative growth. (3) The social and economic development policies have direct impacts on the provincial economic growth. GDP at the Jiangsu, Guangdong and Shandong provinces ranks in the top three under SSP1~SSP5 in 2020s. In 2090s, provinces ranks in the top three keep consistent with 2020s under SSP1 and SSP5, but Zhejiang will rank the second under SSP2, Henan enters the top three under SSP3, and the top three provinces will be changed as Guangdong, Jiangsu and Zhejiang under SSP4. (4) As for growth rate of GDP, Shandong and Zhejiang can stay above 6.0% under SSP1, SSP2 and SSP5 in 2020s, only Guangdong and Zhejiang provinces can maintain about 5.0% and some provinces might show negative growth under SSP3 and SSP4. In 2090s, all provincial GDP growth rate will be less than 1.0%.

Key words: Shared socioeconomic pathways (SSPs); Cobb-Douglas model; Economic projection; Provincial level; China
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%, 2018— 2019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%, 2018— 2019年将进一步放缓至6.3%(①世界银行http://data.worldbank.org/about/country-and-lending-groups。)。国内学者基于中国1960— 2005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2010— 2030年中国经济增速基本在6.0%左右, 2030— 2050年降至4.0%~5.0%[6, 7, 8]

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, 13, 14, 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, 17, 18, 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世界银行https://data.worldbank.org/indicator/NY.GDP.MKTP.KD。), 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, 22, 23]。模型表达式为:

公式(1)中, Y(t)为t年国内生产总值(GDP), L为劳动力投入量, K为资本存量, 〈 为资本输出的弹性系数, 选择2010年全要素生产率初始年T(0), 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, M2010为2010年平均受教育年限。根据中国第6次人口普查数据, M2010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, 17, 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世界银行http://data.worldbank.org/about/country-and-lending-groups。), 中国属于中等收入国家。SSPs路径下中等收入国家的TFP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, 17, 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

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 2011— 2016年统计和预测数据比较

对比2011— 2016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, 2011— 2016年年平均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)。

图1 2011— 2016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

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 2020— 2100 年中国GDP总量和增速变化

2000— 2016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)。

图2 2000— 2100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

从GDP的增速来看, 2000— 2010年中国GDP的年均增速为10.3%, 2011年开始有所放缓, 2012— 2014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, 2030— 2049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 2020— 2100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。

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

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。

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

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。

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万亿元
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2070— 2080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, 17, 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, 6, 7, 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。

The authors have declared that no competing interests exist.

参考文献
[1] IPCC. Climate change 2013: the physical science basis [M]. Cambridge: Cambridge University Press, 2013 [本文引用:1]
[2] Smith A. An inquiry into the nature and causes of the wealth of nations [M]. 江苏: 译林出版社, 2013 [本文引用:1]
[3] Keynes J M. A Treatise on probability[J]. Science, 1921, 58(1490): 51-52 [本文引用:1]
[4] International Monetary Fund. Republic of Madagascar: economic development document [M]. IMF Country Report, 2017, No. 17/225 [本文引用:1]
[5] World Bank. Global economic prospects: a fragile recovery[M]. Global economic prospects, World Bank, 2017: 1-5 [本文引用:2]
[6] 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 [本文引用:2]
[7] 李京文. 21世纪中国经济长期预测 (2000—2050年)[J]. 冶金经济与管理, 2000 (3): 4-7 [本文引用:2]
[8] 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 [本文引用:2]
[9] Nakicenovic N, Swart R. Special report of the intergovernmental panel on climate change[J]. Infection & Immunity, 2000, 70(7): 3611-3620 [本文引用:1]
[10] 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 [本文引用:1]
[11] vanVuuren D P, Riahi K, Moss R, et al. A proposal for a new scenario framework to support research and assessment in different climate research communities[J]. Global Environmental Change, 2012, 22(1): 21-35 [本文引用:1]
[12] 曹丽格, 方玉, 姜彤, . IPCC影响评估中的社会经济新情景(SSPs)进展[J]. 气候变化研究进展, 2012, 8(1): 74-78 [本文引用:1]
[13] 张杰, 曹丽格, 李修仓, . IPCC AR5中社会经济新情景(SSPs) 研究的最新进展[J]. 气候变化研究进展, 2013, 9(3): 225-228 [本文引用:1]
[14] Riahi K, van Vuuren D P, Kriegler E, et al. The shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: an overview[J]. Global Environmental Change, 2017, 1(42): 153-168 [本文引用:2]
[15] Hawksworth J. The world in 2050: how big will the major emerging market economies get and how can the OECD compete [R]. PricewaterhouseCoopers, 2006 [本文引用:1]
[16] Cuaresma J C. Income projections for climate change research: a framework based on human capital dynamics[J]. Global Environmental Change, 2017, 42: 226-236 [本文引用:4]
[17] Leimbach M, Kriegler E, Roming N, et al. Future growth patterns of world regions: a GDP scenario approach[J]. Global Environmental Change, 2017, 42: 215-225 [本文引用:5]
[18] Dellink R, Chateau J, Lanzi E, et al. Long-term economic growth projections in the shared socioeconomic pathways[J]. Global Environmental Change, 2017, 42: 200-214 [本文引用:4]
[19] O’Neill B C, Kriegler E, Ebi K L, et al. The roads ahead: narratives for shared socioeconomic pathways describing world futures in the 21st century[J]. Global Environmental Change, 2017, 42: 169-180 [本文引用:1]
[20] 姜彤, 赵晶, 景丞, . IPCC共享社会经济路径下中国和分省人口变化预估[J]. 气候变化研究进展, 2017, 13(2): 128-137 [本文引用:1]
[21] 史永东, 武志, 甄红线. 我国金融发展与经济增长关系的实证分析[J]. 预测, 2003, 22(4): 1-6 [本文引用:2]
[22] 朱承亮, 岳宏志, 李婷. 中国经济增长效率及其影响因素的实证研究: 1985—2007年[J]. 数量经济技术经济研究, 2009 (9): 52-63 [本文引用:1]
[23] 薛继亮. 基于产业转型升级视角的中国就业结构转变研究[J]. 财经问题研究, 2017 (3): 36-41 [本文引用:1]
[24] 中华人民共和国国家统计局. 2010年第六次全国人口普查主要数据公报(第1号)[J]. 中国计划生育学杂志, 2011, 54(8): 511-512 [本文引用:1]
[25] Samir K C, Lutz W. The human core of the shared socioeconomic pathways: population scenarios by age, sex and level of education for all countries to 2100[J]. Global Environmental Change, 2014, 42(1): 181-192 [本文引用:1]
[26] 叶裕民. 全国及各省区市全要素生产率的计算和分析[J]. 经济学家, 2002, 3(3): 115-121 [本文引用:1]
[27] 金飞, 张琦. 中国市区县级TFP变动问题的讨论: 2007—2010年[J]. 数量经济技术经济研究, 2013 (9): 55-71 [本文引用:1]
[28] 刘建国, 李国平, 张军涛, . 中国经济效率和全要素生产率的空间分异及其影响[J]. 地理学报, 2012, 67(8): 1069-1084 [本文引用:1]
[29] Goldsmith R W. A perpetual inventory of national wealth[M]. National Bureau of Economic Research, 1951, 12: 5-74 [本文引用:1]
[30] 单豪杰. 中国资本存量K的再估算: 1952—2006年[J]. 数量经济技术经济研究, 2008 (10): 17-31 [本文引用:1]