【正文】 0aCPr 2 and L r 1 PrC? ? ? （ 2 23 ） 根據(jù)研究需要，學(xué)習(xí)曲線可以選取不同的變量 ，“ 效率 ” 變量 除了單位產(chǎn)品生產(chǎn)成本， 還可以是產(chǎn)品銷售價格 、單位產(chǎn)品投資成本等， 而 “經(jīng)驗” 變量除了累積產(chǎn)量，也可以用累積裝機容量、累積銷售量等。上述方程主要描述的是來自生產(chǎn)階段的學(xué)習(xí)效應(yīng)，一般稱為單要素學(xué)習(xí)曲線（ On e F a c tor L e a rnin g C ur ve ， OFL C ）。 近年來的研究，還考慮了技術(shù)變化過程中研究 開發(fā) 、傳播等其它 階段的學(xué)習(xí)效應(yīng)，譬如 “ 用中學(xué) ” （ L e a r ning B y Usin g ， L B U ）[ 108 ]、 “ 研究中學(xué) ” （ L e a rning B y R e se a rc hin g ， L B R ）[ 1 0 9 ]和 “ 相互關(guān)聯(lián)中學(xué) ” （ L e a rnin g B y I nte ra c ti ng ）[ 1 1 0 ]等。 其中 一個重要的拓展是兩要素學(xué)習(xí)曲線（ Two F a c to r s L e a rnin g C ur ve ， TFL C ），即加入了 “ 研究中學(xué) ” 對技術(shù)變化的影響效應(yīng) ， 如式（ 2 24 ）所示。 ( , )C Q K S Q K S?????? （ 2 24 ） 其中KS為源于 R amp。 D 的知識資本存量， “ 研究中學(xué) ” 的學(xué)習(xí)率為 b1 2 ，其含義為 R amp。 D 投資翻倍時的單位 生產(chǎn) 成本下降率。與前述 R amp。 D 模型中對知識資本的處理類似，知識資本也由經(jīng)過折舊以后的上一期知識資本存量和當(dāng)期的R amp。 D 投資決定。 兩要素學(xué)習(xí)曲線將 R amp。D 行為視為技術(shù)學(xué)習(xí)的一個解釋變量，將總的學(xué)習(xí)效應(yīng)進行分離，分別建立源于 R amp。 D 支出和源于生產(chǎn)的學(xué)習(xí)效應(yīng)與技術(shù)成本降低 之間 的關(guān)系，并且分析 “ 干中學(xué) ” 和 “ 研究中學(xué) ” 這兩種機制之間的反饋 作用[ 111 ]。如圖 2. 2[ 1 1 2 ]的上半部分所示 ， 假設(shè)市場上出現(xiàn)一種新的效率更高的替代能源技術(shù)，企業(yè)基于新 技術(shù)的預(yù)期收益額外 增加 R amp。 D 支出以促進 對新技 術(shù)的掌握和應(yīng)用 。用于 R amp。 D 的支出通過 “ 研究中學(xué) ” 會降低單位產(chǎn)品生產(chǎn)成本，并促進生產(chǎn)量的提高 。 生產(chǎn)量的提高通過 “ 干中學(xué) ” 也會降低單位產(chǎn)品生產(chǎn)成本，而且生產(chǎn)量的提高會帶來更多的可用于 R amp。 D 投資的資源，反過來加強 “ 研究中學(xué) ” 的效應(yīng)，從而形成一個被稱作 “ 良性循環(huán) ” （ Virtuous C y c le ）[ 1 1 3 ]的 相互加強的機制。 R amp。 D 投資 研究中學(xué) 生產(chǎn)水平 干中學(xué) 生產(chǎn)成本 + + —— —— + 改變要素相對價格：能源價格上升 氣候政策：碳稅、排放限額等 + + + + 政策激勵 L B D 與 L B R間的反饋關(guān)系 ? 值得注意的是，上述自我加強的反饋機制會提供持久的信號驅(qū)動技術(shù)變化朝一個特定方向發(fā)展，形成“路徑依賴”（ Path dependency）現(xiàn)象。技術(shù)應(yīng)用過程中大量的經(jīng)驗積累和基礎(chǔ)設(shè)施積累會帶來不可逆的或至少是重要的慣性力量，導(dǎo)致技術(shù)應(yīng)用“鎖定”（ Lockin）于某一特定的技術(shù)路徑。 ? 此外，技術(shù)學(xué)習(xí)機制也會產(chǎn)生“溢出”效應(yīng)。但是和 Ramp。D模型中由于知識資本的公共物品屬性而導(dǎo)致的“溢出”效應(yīng)有所不同的是，技術(shù)學(xué)習(xí)過程中，某一部門生產(chǎn)規(guī)模的擴大通過各產(chǎn)業(yè)部門的聯(lián)系，譬如購進原材料或機器設(shè)備等，促進了別的部門生產(chǎn)規(guī)模的擴大，從而產(chǎn)生“溢出”效應(yīng)促進別的部門技術(shù)學(xué)習(xí)率的提高。類似的，國際間的商品和技術(shù)貿(mào)易也會產(chǎn)生“溢出”。 Klassen在估計技術(shù)學(xué)習(xí)率的時候?qū)Α耙绯觥毙?yīng)的影響做了嘗試性的研究[114]。 ? 技術(shù)學(xué)習(xí)模型中學(xué)習(xí)速率是最重要的一個參數(shù)，有大量實證研究基于歷史數(shù)據(jù)對一些特定技術(shù)的學(xué)習(xí)速率做了估算。但是不同部門不同技術(shù)的學(xué)習(xí)速率會有很大差異，而且同一項技術(shù)在其生命周期的不同階段學(xué)習(xí)速率也不相同。一般認為技術(shù)發(fā)展的早期，成本下降幅度最大，隨著技術(shù)逐漸商業(yè)化和擴散，學(xué)習(xí)速率會下降。 例：一些自底向上模型中發(fā)電技術(shù)的學(xué)習(xí)率（ %） （ a）單要素學(xué)習(xí)曲線 （ b）兩要素學(xué)習(xí)曲線 ERIS MARKAL MERGEETL MESSAGE ERIS MERGEETL 學(xué)習(xí)速率 LDR LSR LDR LSR 潔凈煤 5 6 6 7 11 5 6 4 NGCC 10 11 11 15 24 2 11 1 新核能 5 4 4 7 4 2 4 2 燃料電池 18 13 19 19 11 19 11 風(fēng)能 8 11 12 15 16 7 12 6 太陽能光伏發(fā)電 18 19 19 28 25 10 19 10 表 ） ? 基于學(xué)習(xí)效應(yīng)的技術(shù)變化內(nèi)生化方法的主要問題是學(xué)習(xí)速率高度依賴于實證研究 。 ? 經(jīng)驗 文獻和計量經(jīng)濟研究雖然報告了過去的學(xué)習(xí)速率和機制，但是，未來某一項技術(shù)的可能改進速率仍然是不確定的 。 ? 而 “學(xué)習(xí)”本身是一個黑箱，其促進技術(shù)變化的內(nèi)在機制和驅(qū)動因素并不清晰，在現(xiàn)有模型框架下很難得到完整反映 。 ? 更為 重要的是，建模者很難將學(xué)習(xí)效應(yīng)分解以確定兩要素學(xué)習(xí)曲線中源于 Ramp。D的學(xué)習(xí)速率 。 ? 最后 ，有些文獻提出的負學(xué)習(xí)的例子值得 關(guān)注， 負學(xué)習(xí)的例子反映了技術(shù)發(fā)展的高風(fēng)險性和市場中影響技術(shù)推廣的各種障礙。 現(xiàn)有技術(shù)變化模擬方法的缺陷 ? 技術(shù)變化的路徑依賴和慣性、創(chuàng)新的風(fēng)險和不確定性、技術(shù)變化過程的不連續(xù)性、企業(yè)創(chuàng)新行為和 Ramp。D投資傾向的異質(zhì)性等。 ? 另外，技術(shù)變化內(nèi)生化方法仍然高度依賴于一些來自實證研究的關(guān)鍵外生假設(shè)，例如技術(shù)學(xué)習(xí)率、 Ramp。D投資比例等。 技術(shù)變化內(nèi)生化模型的擴展 ? Gr252。bler認為一個關(guān)于技術(shù)變化的程式化的綜合模型應(yīng)該包含四個要素：不確定性和創(chuàng)新，通過 Ramp。D和學(xué)習(xí)帶來的不斷變化和改進，新技術(shù)在時間和空間范圍內(nèi)的傳播以及與原有技術(shù)的替代關(guān)系，社會、經(jīng)濟、環(huán)境的影響及其對技術(shù)變化的可能 反饋作用。 ? 因此 技術(shù)變化內(nèi)生化模型需要在以下三個方面進行擴展：不確定性、實證基礎(chǔ)以及引入制度和演化分析方法形成更為綜合的分析框架。 技術(shù)變化的不確定性 ? 在外生技術(shù)變化模型中，建模者一般采用情景設(shè)定，模型參數(shù)靈敏度分析以及基于專家投票或 Delphi方法的靈敏度分析等方法來討論和識別其不確定性。 技術(shù)變化的不確定性 ? Messner， Gritsevskyi等 在 MESSAGE模型中通過隨機最優(yōu)化方法內(nèi)生了技術(shù)變化的不確定性。在該模型中，技術(shù)的不確定性有兩種屬性，經(jīng)濟風(fēng)險或潛在機遇 。 ? Messner和 Gritsevskyi利用一個大型技術(shù)數(shù)據(jù)庫的信息，通過基于統(tǒng)計分析的經(jīng)驗方法定義了技術(shù)的不確定性分布，并通過在目標(biāo)函數(shù)中添加一個風(fēng)險項（代表額外的經(jīng)濟成本）把技術(shù)的不確定性結(jié)合進模型的優(yōu)化決策規(guī)則中 。 ? 在 優(yōu)化算法中按照技術(shù)的不確定性分布對風(fēng)險項進行了隨機采樣。這種隨機模型能夠包含更多樣化的技術(shù)情景，因為不同經(jīng)濟主體對風(fēng)險的不同態(tài)度會體現(xiàn)在決策中，并進而導(dǎo)致技術(shù)選擇的多元化。 ? 技術(shù)變化的不確定性一方面造成技術(shù)創(chuàng)新的風(fēng)險，另一方面也意味著巨大的潛在收益，因而是私人Ramp。D投資決策的重要影響因素 。 ? 私人 Ramp。D投資和技術(shù)學(xué)習(xí)則是技術(shù)變化的主要驅(qū)動因素，并且相互關(guān)聯(lián)形成反饋 。 ? 私人 Ramp。D投資受各種因素的驅(qū)動，如氣候政策、技術(shù)變化促進政策、創(chuàng)新行為的異質(zhì)性、 Ramp。D收益的不確定性、技術(shù)學(xué)習(xí)和技術(shù)擴散導(dǎo)致的路徑依賴等。 ? 知識 的積累來自私人 Ramp。D投資、部門和國際間的溢出效應(yīng)、受技術(shù)變化促進政策影響的公共 Ramp。D投資等。此外技術(shù)變化還受技術(shù)聚集效應(yīng)、重大技術(shù)變革等因素的影響。 ? 內(nèi)生技術(shù)變化建模的這個綜合框架對現(xiàn)有的氣候政策模型提出了挑戰(zhàn)，在傳統(tǒng)的建模方法基礎(chǔ)上需要引入隨機優(yōu)化技術(shù)、基于主體的建模方法、博弈論、制度經(jīng)濟分析、演化經(jīng)濟分析等理論和方法，以便更深入的識別技術(shù)變化的來源、過程和影響。