R_3Ciqv-sOVpEl0_8VPhcQuk6CWFWROyUxP6KCmh9Q1gW_hTc7vkTZMZIOtljU1rnSbI2FNxHo95MF2PxBsD1vx2CxadutpwWUZqT_crYoovcZgjitHDGtbWcOdKj-4EwoXJbm4，©Wachiraphorn/iStock/Getty Images此外，一些报告在决策社区获得了关注，尽管它们缺乏任何形式的正式程序来进行严格的同行评审。我最近遇到了一个似乎特别有问题的例子，它提供了一个警示故事。该报告由能源研究所委托，Capital Alpha Partners，LLC（CAP）进行，展示了一些论文如何引入混乱和错误信息。作者得出的结论是，只有非常高的碳价格才能充分减少排放，从而在2025年实现美国在巴黎的目标。然而，这一结论是不可信的，因为它似乎是基于有缺陷的假设，与同行评审的碳税文献不一致。，为了预测碳税下排放量的变化，作者使用了碳税分析模型（CTAM），这是一个由华盛顿州能源办公室维护的开源模型。该模型是为了分析基于州的碳定价政策而建立的，但可以修改以分析联邦层面的政策。作者提出，他们使用美国能源信息管理局（EIA）的《2016年年度能源展望》（AEO）参考案例（没有清洁能源计划）。据推测，他们用全国能源消耗数据取代了内置的华盛顿州能源消耗数据，但该报告没有具体解决这一问题。，开源模型提供了公共利益，但也可能被滥用。在CTAM的情况下，这一点尤其正确，因为该模型允许用户调整大量关键参数。有了这种灵活性，用户可以推导出给定碳税的任何排放路径。因此，在报告中记录所有参数值变得尤为重要。然而，CAP作者未能记录他们在CTAM模拟中使用的任何政策或参数假设。，在不知道几个问题的答案的情况下，这项研究的作者报告的CTAM结果根本没有信息。这些模糊性值得一提，因为该模型为用户提供了各种选项，而CAP作者不会告诉读者这些选项存在，也不会告诉读者他们选择了哪些选项。他们是否假定对喷气燃料、船用燃料或“过渡煤”实行政策豁免？（过渡煤是CTAM特有的术语。）他们使用了模型默认的弹性或“粘性”吗？（粘性是指一个特定弹性完全融入模型的线性斜坡的长度，以年为单位。）我们不知道，因此我们不能依靠这项研究来为任何相关的政策辩论提供信息。，为了说明CTAM模型假设和选项的重要性，我自己下载并编辑了CTAM模型。CAP报告使用了2016年AEO能源消耗预测，而我使用了2018年AEO预测（下文将对此进行详细介绍）。我还使用了CTAM默认参数值，除非另有说明。图1从CAP结果（在其报告的表B-1中报告）和我的结果（标记为MH CTAM）报告了在照常营业的情况下与能源相关的二氧化碳排放的历史和预测。为了进行比较，我还包括了AEO 2016年和2018年的排放预测。，2oejkp9qeiSX4A_QL7sSDtbCx-B78DogxHIOxnaZH49B7-s55Q350VjtTsV7lkSzv2L1J4tQ-0bUgSQXUcl5hyhJ6tOXhjAK_l2QpZa1KpsLYAeR8983rsetVO42RDgDbxGk49，最令人信服的是，CAP预测和我自己的预测之间的基准排放量存在显著差异——2025年超过3亿吨。CAP研究的作者通过使用一组旧的预测，任意增加了基线，从而提高了实现任何特定目标所需的碳价格。我还发现有趣的是，无论哪一年，CTAM的预测都高于EIA的排放预测。CTAM和EIA预测之间的差异似乎是由于工业部门假设的排放率的差异——因此，在使用CTAM时，我们也预计给定碳价格的排放水平会更高。，图2显示了碳税下的排放预测。CAP报告对一系列价格轨迹进行了建模。简而言之，我只从CAP报告中模拟了一条碳税路径：从2019年开始，每年以高于通胀2%的速度征收40美元的碳税。在我的分析中，我不允许喷气燃料、船用燃料或过渡煤豁免。为了强调关键参数的重要性，我使用了两组备选假设。第一，MH CTAM–D使用CTAM默认的弹性和粘性参数；对于MH CTAM–A，我将所有粘性值设置为1（意味着没有粘性）。我还包括了AEO 2018对25美元恒定碳税下排放量的预测，并标记了与美国在《巴黎协定》下的承诺一致的排放水平（到2025年，比2005年的排放量低26%）。，QrgwSZVkRcyLMgvJlQhlRxHj37UfAyZgzcgskw6PcDjAkdN2sWOLbOZJwFqhkA4DjsIb6E7QOpFe0WW6pESocwnwKjlP6iqXNhMRTJ6BI09ouSgRf9j6YNXkRmPmc1YNwSFoM1C，CAP预测和MH CTAM–D预测中基线排放量的减少量看起来相似；这些差异似乎是由于基线中排放水平的差异。因此，CAP报告很可能使用了CTAM基准粘性参数。但是，如果我关闭CTAM模型（MH-CTAM-A）中的所有粘性，早期的削减幅度会大得多，政策很容易达到巴黎的目标。最后，值得注意的是，EIA自己对小得多的碳税排放量的预测既符合巴黎的目标，也有更大的长期减排。这向我表明，相对于另一个众所周知的模型（NEMS）中使用的弹性，CTAM的默认弹性较小（按绝对值计算）。这也可能驱动CTAM模型预测中的小排放响应。，NEMS的比较让我想到了这类论文的另一个问题：它们往往无法将结果与更广泛的学术文献进行比较。CAP报告也不例外。斯坦福大学能源建模论坛练习32（EMF32）为应该引用的文献类型提供了一个很好的例子。来自11个不同建模小组的结果和比较已发表在同行评审期刊《气候变化经济学》的特刊上。至关重要的是，参与模型通常会立即大幅削减碳税（2020年初始价格为25美元或50美元）。这一证据有力地表明，默认的CTAM粘性参数不适合分析联邦层面的碳税。，总之，由于作者未能在建模分析中报告关键假设，在CAP报告中确定结果的确切来源是不可能的。无论如何，很明显，CAP报告中的一个关键结论——为了实现2025年的排放目标，需要征收非常大的碳税——是使用一组过时的预测和参数的直接结果，这些预测和参数与现有文献中的大多数证据不一致。，使用旧的预测和CTAM默认粘性参数是由于无知还是试图产生支持先入为主假设的结果并不重要。并非所有的分析都是平等的，那些根本不符合研究基本科学标准的分析在决策中的可信度应该更低。联合呼吁程序的报告应该被决策界忽视。