后疫情时期的经济复苏与绿色发展：对立还是共赢

郑馨竺 张雅欣 李晋 王灿

摘要 后疫情时期的大规模经济刺激计划引发了人们对绿色发展可能让位于经济复苏的担忧。尽管“绿色复苏”得到国内外广泛的呼吁和支持，但绿色是否意味着经济的妥协？绿色复苏可能面临怎样的挑战？这些问题的考量，对我国科学部署经济发展战略、完善顶层政策设计至关重要。基于疫情暴发以来的出行大数据、防疫管控措施等最新信息，构建细化经济复苏过程的全球疫情自适应模型，量化模拟不同复苏方案对经济、就业的拉动效应和碳排放影响。研究发现：以发展清洁能源和数字经济为主的绿色复苏方案对经济体量的拉动效应等同，甚至超过以化石能源和重工业为主的传统经济刺激方案;但前者面临的劳动力转型挑战可能拖慢经济复苏的进程。“绿色复苏”方案对我国经济体量的拉动效应比传统刺激方案高0.3%～14.8%，创造就业岗位数量变化-4%～3%，但同时需要近1亿人（约为初始就业人口总量的13%）跨行业就业，其中受疫情影响较大的中、低技能劳动者占96%以上。跨行业就业门槛和劳动者技能瓶颈可能增加劳动力流转匹配的时间成本，甚至带来“结构性失业”问题和社会不平等加剧的次生伤害。认为：经济复苏与绿色发展本质上不是对立的单选题，而是存在共赢的可能性。对“绿色复苏”在经济、就业和环境三方面正向协同效益的边界条件应有清醒认识和把握，仅仅关注经济拉动效应和创造就业岗位總量的潜在效益而忽视实现该理论效益的现实条件，可能会造成对经济刺激方案选择的误判。加强劳动力市场的灵活性、推动社会公正转型是提升经济系统韧性、实现复苏与绿色共赢的前瞻性举措。

关键词 新冠疫情;低碳转型;数字经济;绿色复苏

中图分类号 F205 文献标识码 A 文章编号 1002-2104（2021）02-0001-13 DOI：10.12062/cpre.20201207

2020年席卷全球的新型冠状病毒（COVID-19）肺炎疫情直接威胁着人们的生命健康。为了阻断病毒传播，世界各国相继进入疫情防控状态，采取封锁等相关措施，经济活动大面积中断。尽管封锁措施对疫情的有效控制避免了更多的经济损失[1]，但经济的停摆仍然给产品供给、消费需求以及国际贸易带来重创[2-3]。根据世界银行[4]和国际货币基金组织[5]的数据，2020年全球GDP下降了3.5%～4.3%，是自二战以来最严重的经济衰退。经济下行带来的全球失业增长、收入减少、数百万人陷入贫困等现实问题[6]，也给我国的经济发展带来了巨大的压力。为了快速提振经济，我国及时提出扩大内需战略。2020年5月23日，习近平主席明确指示要加快形成以国内大循环为主体、国内国际双循环的新发展格局。在新发展格局的重大战略部署下，如何加强顶层设计，充分发挥复苏政策的经济拉动作用，促进高质量、可持续的经济增长，是关乎国计民生之大事，也是国际社会关注的焦点。

与此同时，后疫情时期的经济复苏正值应对气候变化和实现可持续发展的关键时期[7]。2020年9月，习近平主席在第七十五届联合国大会上宣布我国将提高国家自主贡献力度，力争于2030年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和。同年12月12日，习近平主席在气候雄心峰会上进一步做出“到2030年，中国单位国内生产总值二氧化碳排放将比2005年下降65%以上，非化石能源占一次能源消费比重将达到25%左右”等庄严承诺。这些气候承诺的兑现，与后疫情时期经济复苏战略的选择密切相关。由于基础设施投资具有长期的排放锁定效应[8-9]，现阶段应对疫情的经济刺激方案会对未来几十年的碳排放产生深远影响，因此坚持“绿色复苏”成为推动高质量发展、引领全球气候治理的必然选择。国际社会也纷纷意识到这一点，并强烈呼吁各国政府在疫情后的经济复苏阶段要兼顾气候变化和可持续发展，支持低污染、更健康、清洁化的复苏计划[10-12]。部分研究机构同步提出“绿色复苏”方案[13-15]。但“绿色复苏”在多大程度上可以拉动我国经济？是否会以牺牲经济为代价实现绿色发展？“绿色复苏”的过程又将面临怎样的挑战？这些问题的考量，对我国科学部署经济发展战略、完善顶层政策设计至关重要。这些问题的回答，也将丰富重大突发事件背景下经济复苏与绿色发展关系的理论认识，为我国乃至全球制定“绿色复苏”方案、实现经济增长与低碳转型的协同共赢提供决策支持。

1 细化经济复苏过程的全球疫情自适应模型

基于疫情暴发以来的出行大数据、疫情管控措施等最新信息，构建细化经济复苏过程的全球疫情自适应模型，勾勒以清洁能源和数字经济为主的“绿色复苏”情景和以碳密集型行业刺激为主的传统经济复苏情景，量化比较不同刺激方案的短期经济效益和碳排放影响。

全球疫情自适应模型的核心是自适应区域投入产出（adaptive regional input-output，ARIO）方法。ARIO方法常被用来模拟灾害情境下的短期经济冲击[16-17]。与传统的投入产出模型相比，ARIO方法具有两项主要的特征：首先，ARIO方法可模拟外部冲击对生产资料或劳动力的影响，并将这种影响带来的生产能力受损通过产业之间的关系传导至供应链上下游，突破了传统投入产出模型一般只允许最终需求外生变化、模糊生产侧供应瓶颈的局限;此外，ARIO方法考虑灾害情境下的主体自适应行为，放松了列昂惕夫生产函数的“完全刚性”假设（即商品之间完全不可替代），允许企业或消费者在商品供不应求时向其他生产商寻求补货，增强了对现实情况下供应链韧性的模拟能力。

所构建的全球疫情自适应模型是ARIO方法的延伸。模型在Guan等[1]的工作基础上，根据研究问题的需要进行了如下三点扩展：①模型结构方面，细化经济恢复模块，开发可外源输入各地区经济主体在后疫情时期经济刺激方案的模型接口。②增加环境和就业影响模块，集成灾害情境下经济-社会-环境多维度的系统模拟。③参数设置方面，采用出行大数据、防疫管控政策等最新可得的疫情信息进行参数校准，提升模型的现实贴合度。扩展后的模型增强了对后疫情时期多元化经济复苏政策及其社会环境影响的模拟能力。

值得一提的是，尽管研究聚焦我国的经济复苏政策，但考虑到我国经济与全球供应链和终端需求市场的紧密联系，疫情全球大流行可能牵制我国经济复苏进程，因此模型仍然基于全球尺度进行模拟。将疫情大流行可能导致的中间环节“断链”，以及各国受疫情影响的时间差异作为重要经济背景纳入分析。尽管模型不能完全精准地模拟现实世界的供需动态，但它符合生产决策与经济链条的基本逻辑，可以捕捉和刻画疫情冲击沿着供应链的传导过程以及后疫情时期经济复苏策略的拉动效应。模型的构建方法、数据来源和情景设置如下。

1.4.2 终端需求订单与经济刺激接口

终端需求订单按照初始均衡状态的需求比例将t时期的最终需求分配给原供应商：

在考虑经济刺激的情景中，解除封锁后的经济刺激通过拉动最终需求中的投资或刺激消费等影响经济产出。经济刺激政策目标部门的最终需求将在“自适应”的恢复水平基础上，额外增加一定量的经济刺激MSshi以拉动需求：

1.6 数据来源

模型的参数设置与数据来源如表1所示。其中，全球供应链数据采用最新可得的全球多区域投入产出数据库EXIOBASE 3.7[18]。该数据库提供了2015年全球49个地区163个生产部门相互之间以及与最终需求之间的年度货币交易量，地区信息及部门信息见数据库网站（https：//www.exiobase.eu/）。考虑到企业决策的响应时间和疫情发展规律，模型以周为步长运行。为了匹配运行步长，将年度数据除以52周，换算成平均每周各个部门的生产水平和交易情况，它反映了生产消费的均衡状态（即疫情前的初始水平）。此外，各地区各行业的直接碳排放数据和就业需求数据也来自该数据库。CO2排放的统计口径包括燃料燃烧和水泥生产等非燃烧过程。EXIOBASE 3.7将劳动力需求按照技能水平划分为高、中、低三类（按照这一划分，2015年我国就业人口中高、中、低劳动力人口的比例分别为7%、75%、18%）。基于这一划分，进一步探讨不同政策情景对劳动力需求结构的影响。

为了使疫情对供给侧冲击的模拟更加贴近现实，使用各国实际的封锁开始和持续时间数据[19]校准关于管控范围和时间的参数。对于封锁状态下劳动力的可获得性和运输能力，采用谷歌出行大数据[20]中关于居民工作出行的统计，并参考Guan等[1]的研究对不同部门設差异化的敏感性系数。谷歌出行大数据[20] 按照目的地将居民出行划分为六类：零售休闲、杂货店和药店、公园、住宅、交通枢纽、工作场所。采用前五类出行数据校准原模型中的对应行业的终端需求变化。其余未匹配行业的需求变化按出行数据的平均水平计算。由于谷歌出行数据不包含我国，考虑到我国管控措施的严格程度，我国封锁阶段的出行变化情况按照其他国家在封锁时期（相同的疫情发展阶段）出行变化的最严格水平计算。

1.7 情景设置

构建了三类经济复苏情景，一是不采取任何经济刺激方案的基准情景（Business as usual， BAU），二是以化石燃料和传统碳密集型行业刺激为主的传统复苏情景（Traditional economy stimulation， TES），三是以清洁能源和数字经济为导向的“绿色复苏”情景。其中，第三类情景进一步细分为两组情景，分别是以发展清洁能源为主的低碳复苏情景（Low carbon stimulation， LCS）和能源清洁化与经济数字化并行的叠加情景——低碳数字经济情景（Low-carbon & digital economy stimulation， LDS）。除了基准情景不设置政策扰动，模拟经济系统的自行恢复过程之外，其他三种情景均设置5×104亿元的经济刺激总量，并假设在年底前完成资金投放。不同经济复苏方案的差异体现在对不同行业最终消费和投资的刺激上。具体情景设定如表2所示。

为了验证“绿色复苏”情景的低碳效益，对低碳刺激方案的长期排放影响进行了说明性的计算。考虑到低碳情景与传统情景的差异主要体现在能源行业投资方面，这里采用因子系数法核算能源投资的长期排放影响。参考Tong等[8]的研究，按照每万元火电投资长期排放258 tCO2的碳排放系数和40 a的基础设施使用年限计算，并将能源基础设施的全生命周期碳排放折算到目标年。此外，数字经济的长期减排效应也得到了已有文献的支持[21-22]。信息通信技术通过提升生产效率和转变消费模式，助力节能减排。

除了方案的选择，经济复苏时间也可能对模型模拟结果有显著影响，研究进一步对劳动力恢复速率和经济刺激时间这两个关键参数进行敏感性分析。其中，劳动力恢复速率设置每周恢复2%、4%、6%和8%四种可能;经济刺激时间考虑封锁解除后立即执行、解封4周、解封8周和解封12周执行四种可能。情景交叉叠加后每种刺激方案下生成16套子情景，三类经济复苏方案共计48套子情景。

2 不同复苏情景的经济拉动效应与碳排放影响

2.1 “绿色复苏”具有同等甚至更强的经济拉动效益

就经济拉动体量而言，“绿色复苏”方案的效果等同甚至超过了传统复苏方案。模拟结果显示，若采用以化石燃料和重工业为主的传统经济刺激情景（TES），每百万元投入可拉动251万～288万元的总产出变化和109万～125万元的增加值变化。与传统复苏方案相比，以清洁能源发展及其配套基础设施投资为主的低碳刺激情景（LCS）和清洁能源转型与数字经济发展并行的低碳数字经济情景（LDS）表现出更优的乘数效应。低碳刺激情景（LCS）下，每百万元的经济刺激投入可以拉动258万～300万元的总产出变化和111万～130万元的增加值变化，与传统情景的差异在0.3%～5.1%左右。此时受拉动效应影响最大的五个部门依次为建筑业、机械设备制造业、电气和电子设备制造业、钢铁和铁合金制造业、运输设备制造业。若采用低碳数字经济情景（LDS），每百万元的经济刺激可以带动250万～324万元的总产出变化和108万～140万元的增加值变化，平均拉动水平比传统情景高1.1%～14.8%。该情景下，受益最大的五个部门分别是建筑业、电气和电子设备制造业、通信设备制造业、电脑及软件开发行业、钢铁和铁合金制造业。

进一步地核算发现（图1），用于扩大内需和增加投资的直接经济刺激量如果按照5×104亿元计算（占我国2019年GDP总量的5%左右），传统情景下疫情造成的GDP损失绝对量约5.3×104亿～9.7×104亿元，“绿色复苏”情景下GDP损失与之相近，约为5.1×104亿～8.8×104亿元，损失量较传统情景减少了4%～11%。从经济恢复时间来看，几种情景均在7月初恢复到疫情前的经济水平。但值得注意的是，这里的模拟隐含着“劳动力完全自由流动”的理想化假设，这可能使我们高估了经济刺激情景提振经济的速率。考虑到现实情况下劳动力流转匹配的问题，有别于传统劳动力结构的“绿色复苏”情景可能面临经济重启速度的放缓。

2.2 “绿色复苏”短期内同样导致碳排放回弹

除了经济拉动效应，大规模经济刺激计划的潜在气候影响也是关注的热点之一[23-24]。尽管疫情期间人类活动的减少显著抑制了能源使用和温室气体排放，但这种由生产消费中断带来的环境效益改善只是暂时的[24-27];研究推测，随着封锁的解除，工厂的重新开工和庞大经济刺激计划的推出，碳排放可能出现报复性反弹[27]。基于全球疫情自适应模型的模拟结果证实了这一推测，并量化了不同刺激方案下碳排放报复性反弹的规模。从图2可以看出，三种经济刺激方案（TES、LCS和LDS）短期内都会造成排放回弹，且超过疫情前水平。即使是体现能源清洁化的“绿色复苏”情景（LCS和LDS），也未能避免短期内碳排放回弹的趋势。出现这一现象的可能原因是低碳转型短期内需要配套基础设施建设，这一过程伴随着大量的能源需求，从而导致碳排放的增长。

进一步地核算发现，传统情景的碳排放强度（单位产出的碳排放量）较疫情前出现显著提升，增幅约9%～11%;“绿色复苏”情景的碳排放强度上升幅度有所降低，较疫情前上升4%～6%。在同等经济刺激量下，“绿色复苏”情景的全年碳排放量较传统复苏情景减少5%左右。由此可见，尽管碳排放的短期回弹难以避免，但“绿色复苏”情景仍然具有一定的“低碳”特征和优势。这与该情景下重点发展的行业大多都是清洁能源或能源效率较高的高端信息技术产业相吻合。此外，对传统情景和“绿色复苏”情景的长期排放影响进行说明性的计算，结果发现：与大力发展清洁能源的低碳情景相比，传统高碳行业投资可能导致2020—2035年额外增加40 Gt的CO2。這一结果进一步验证了“绿色复苏”情景的长期减排效益。

2.3 “绿色复苏”面临劳动力转型的挑战

就业影响方面（图3a），三种刺激情景的就业拉动效应相近，均可有效对抗疫情对劳动力市场的冲击。其中，清洁能源与数字经济并行的低碳数字经济情景（LDS）可以创造的就业岗位略高于其他两个政策情景，每百万元资金投入可以吸纳8.2～9.4人就业，比传统情景（TES）对劳动力需求的拉动效应高2%～3%。低碳经济情景（LCS）对就业的拉动效应略低于传统情景，差距约为1%～4%。低碳数字经济情景更优的就业拉动效应主要体现在对高技能劳动力需求的拉动上，面向该群体新创造的就业岗位占其总拉动效应的9%，是传统情景的1.7倍以上。

尽管从创造就业岗位的数量来看，“绿色复苏”情景具有与传统复苏情景同等强劲的就业拉动效应，但前者在现实情况下可能受到劳动力供给与需求不匹配的限制。考虑劳动力的行业属性可以看出，在低碳数字经济情景（LDS）下，近1亿人需要跨行业就业，约占全国初始就业水平的13%。在这些需要跨行业就业的人群中，中低技能人群占到96%以上，这进一步增加了跨行业就业带来的技能挑战。事实上，与高技能劳动力需求的波动相比，中低技能群体在此次疫情中受冲击更大（图3b）。基准情景下，中低技能的劳动力需求下降约19%～27%，而高技能劳动力需求仅下降15%～18%。由于中低技能群体在我国体量大（中低技能劳动力数量占劳动力市场的90%以上），其受疫情影响的就业人数是高技能劳动力的18倍，呈现影响大、范围广的特点。而受限于技能水平和跨行业的技术门槛，中低技能群体面临巨大的技能升级挑战。如果这一挑战在短时间内得不到有效解决，则可能出现“结构性失业”问题，从而拖慢经济复苏的进程，加剧社会不平等风险。

2.4 模拟结果对经济重启时间的敏感性分析

考虑到经济重启时间的早晚可能影响模型模拟的结果，针对表征经济重启时间的两个重要参数即劳动力恢复速率和经济刺激时间，进行了敏感性分析。其中，劳动力恢复速率反映供给侧的复苏情况，经济刺激时间影响需求侧的复苏进程。

具体来看（图4），若劳动力供应在2020年10月恢复到疫情前水平（劳动力平均恢复速率为每周增加2%），全年的经济产出损失量在13.5%到24.9%之间。若劳动力供应在7月恢复到疫情前水平（平均恢复速率达到每周增幅4%），经济损失量在8.7%到18.8%之间。此时，进一步加快劳动力恢复速率，虽然也能减少更多的经济损失，但差异不再显著。当恢复速率从4%增加至6%，再进一步增加至8%时，经济损失量只分别减少0.8%和1.1%。这种非线性的响应关系主要是由于在劳动力恢复非常慢时（2%的增长率情景），生产能力不足和供给瓶颈是限制经济复苏的主要因素（2020年9月以前）。而当劳动力恢复速率达到4%及以上时，国家经济的主要限制因素在2020年6月下旬之后即从供给侧转向需求侧。此时，需求疲软是限制经济增长的主要因素，劳动恢复速率的进一步提高未能直击经济复苏的痛点，可能出现“复工不复市”的局面。经济刺激时间方面，这种非线性响应依然存在。但与劳动力恢复速率的影响相比，启动经济刺激的时间先后对经济损失的影响不大。

从经济拉动体量来看，无论是何种情景，三种经济刺激方案的拉动效应相似，但低碳情景和低碳数字经济情景表现出更强的低碳效应（图4）。这说明，模拟结果对于不同的经济重启时间而言是稳健的。需要说明的是，关于经济重启时间的一些参数设置可能与现实情况差距较远（例如2%的劳动力恢复速率低于我国实际复工复产的速度），这里模型模拟的目的不是为了准确预估经济损失量，而是分析不同的参数设置对模型模拟结果的影响，进而探讨不同的政策情景对经济和碳排放的影响。

3 关于后疫情时期“绿色复苏”的政策建议

3.1 长远布局，坚定“绿色复苏”决心

長久以来，社会经济指标和环境效益的反差[25]造成了“绿色发展与经济复苏是对立关系”的思维定势。尽管国内外政府官员、非政府组织、研究机构和学术界强烈呼吁“绿色复苏”并达成广泛共识，但绿色刺激计划对我国经济的短期拉动效应究竟如何尚不清楚。绿色是否意味着经济效益的妥协？绿色发展与经济复苏是对立还是共赢？针对这些问题的研究发现，短期经济重振和长期绿色转型并不是互斥的单选题，而是存在共赢的可能性。与传统的刺激碳密集型重工业和化石燃料行业的经济复苏方案相比，面向清洁能源和数字经济的低碳刺激方案对经济和就业具有同等水平、甚至更优的拉动效应。

这一研究发现与近日国外的两项研究成果达成了初步共识。牛津大学联合诺贝尔经济学奖获得者对来自53个国家/地区的财政部和中央银行官员和专家进行了访谈，结果发现：一些促进可再生能源或能效提升的绿色项目在带来碳减排效益的同时，也能比化石能源投资获得更多的短期经济回报，并且创造更多的就业机会[11]。麦肯锡对欧洲国家刺激方案的分析表明，调动750亿～1 500亿欧元的资本可以产生1 800亿～3 500亿欧元的总增加值，创造多达300万个新的就业机会，并能够使2030年碳排放减少15%～30%[28]。契合我国国情的模拟证实，单纯地就拉动效益的体量而言，绿色刺激方案在经济、就业和环境领域的协同效益确实存在。经济复苏与绿色发展共赢的可能性坚定了我国“绿色复苏”的决心。早期谋划、长远布局，加速推进能源清洁化，保持数字经济发展势头，是我国实现经济复苏和长远气候目标的最优选择。

3.2 强化引导，把握绿色投资机会

认识到经济复苏与绿色发展存在共赢的可能性只是第一步，如何克服阻碍、推动政策落地是关键。受到惯性思维的影响，地方政府在后疫情时期容易走上依赖传统碳密集型基建投资提振经济的老路。仅2020年3月，我国获批的新建燃煤电厂装机容量就超过了2019年全年的数量。尽管中央政府及时叫停了通过投资碳密集型行业提振经济的做法，也通过不设2020年经济增长目标和宣布碳中和愿景传达了正确的信号，但真正突破传统思维惯性，发挥数字经济和清洁能源转型的新动能，还需要国家、地方政府和企业齐心协力、统筹规划。

不可否认，受到经济复苏的影响，短期内的能源消费增加和碳排放回弹难以避免。即使是低碳情景下的新型基础设施投资，也需要消耗大量电力。短时间内激增的用电需求很难通过可再生能源满足，因此仍然需要依赖燃煤发电保障电力供应安全。事实上，这种由“新基建”驱动的煤电装机规模扩张和碳排放回弹现象在疫情出现之前已经初现端倪[29]。为了突破这一困境，一方面需要警惕煤电盲目扩张带来的长期碳排放锁定[9]，通过优化电力供应结构和需求侧响应等方式解决电力缺口问题[30]。另一方面，需要加快煤电企业的深度脱碳，争取实现燃煤电厂的“近零排放”。电力企业和投资者需有独立的判断力，把握绿色投资机会，打破以环境效益换取经济利益的短视思维，避免错误投资造成资产搁浅。

后疫情时期巨大流量的公共资金为绿色转型提供了重要投资机遇。国际上，多国政府出台了大规模的经济救助与刺激计划，涉及数万亿美元的资金投入。其中，欧盟、德国、英国已经明确提出经济刺激计划的绿色比例——其刺激计划资金的10%～38%将用于节能建筑翻新、电动和铁路交通、氢能等可再生能源和碳捕获与封存技术的研发等气候友好型领域。我国经济复苏聚焦的七大新基建领域也蕴含着丰富的绿色元素。伴随着国家绿色发展基金的成立，更多依托绿色投融资的资金解决方案呼之欲出。但真正打通政策落地的最后一公里，推动绿色产业的发展，还需充分发挥地方政府的引导作用，优化资金分配方案，制定绿色项目支持措施，完善风险收益共担机制，激发政府资金带动社会和民间资本的潜能。

3.3 助力纾困，推动社会公正转型

既然“绿色复苏”计划对经济的拉动效应等同，甚至超过传统的高碳刺激方案，为何长久以来人们一直有着相反的认知？进一步的模拟发现，“绿色复苏”面临的劳动力转型困难和跨行业技能门槛可能是形成这一认知的主要原因之一。经济的重启一方面要追求体量的增长，另一方面也要求重振经济的恢复速度。尽管绿色复苏在经济体量的拉动效应上具有优势，但其对劳动力结构转变的需求可能拖慢经济恢复的速度。从传统的重工业转向低碳行业就业，对劳动者技能和知识提出了更高的要求，从而可能造成企业人才需求和劳动者技能不匹配的问题，甚至导致“结构性失业”。由于技能屏障短期内难以突破，劳动力流转匹配也需要耗费时间，因此“绿色复苏”情景在现实情况下的经济拉动效果可能受限。

这一问题的存在提醒我们，对“绿色复苏”在经济、就业和环境三方面正向协同效益的边界条件应有清醒认识和把握。目前国内外对“绿色复苏”的呼吁一定程度上弱化了这一过程中可能面临的劳动力转型挑战。仅仅关注经济拉动效应和创造就业岗位总量的潜在效益而忽视实现该理论效益的现实条件，可能会造成对经济刺激方案选择的误判。在后疫情时期和我国脱贫攻坚全面胜利的当下，重视并积极解决这一问题尤为重要。疫情的全球蔓延已经暴露了社会深层的不平等问题，低收入者和中小企业举步维艰，持续低迷的经济也降低了人们对社会不平等的容忍度。在此背景下，能源变革带来的“结构性失业”无疑雪上加霜。为了维护国家的稳定，保障民生福祉，能源的绿色变革亟须重视潜在的社会不平等隐患。

从短期来看，实现经济快速重启与绿色发展的共赢需深入分析不同绿色复苏方案的劳动力需求结构，优选与现阶段劳动力供给匹配度高、现有人力资源能够快速适应的发展方案，严防由于“结构性失业”而导致的次生伤害。对劳动力结构性需求的考量，是打破关于绿色复苏“呼吁大于行动”局面的突破口，也是回应民生关切，直击绿色转型痛点，激发地方政府绿色发展动力的重要切入点。重视基础设施建设的新老衔接，推动社会公正过渡，是顺利度过低碳和数字转型窗口期的必然要求。

从中长期来看，增强就业市场灵活性，推动公正转型是化解这一困境的有效途径。具体做法包括：①加大经济扶持，通过建立健全綠色金融体系和支付转移机制，结合当地的实际发展需要，投资具有地方特色的绿色产业，拉动当地经济，创造就业机会。②完善制度保护，完善最低生活保障、失业保险等社会保障制度，关注能源转型过程中农民工群体的切身利益，弥合城乡社会保障差异，打破劳动力跨区域流动的政策壁垒，减少外出务工人员跨区域就业的流动成本。③实施就业培训，开展职业技能培训助力失业工人转岗再就业，重启学徒计划，培养企业家精神，推动人力资源从高碳行业向绿色部门的“跨界”流动，提升劳动力市场灵活性和对需求变化的适应能力。④深化“人才强国”战略，摸清人才结构与储备情况，厘清新时代人才能力需求体系和建设思路，识别人才结构优势与短板，全面部署低碳发展和数字人才战略。劳动力市场的变革，可能需要历时数十年。历时之久意味着需未雨绸缪。推动这一变革是打造更有韧性经济体的前瞻性举措，是助力国家更从容地应对流行病、地缘争端、政治动荡和其他不可预见事件的提前战略部署。

4 结论与展望

长久以来，人们接收或感知到的信息都是“数字化和低碳转型的短期经济拉动效应不如化石能源和重工业”，这一认识可能让地方政府在后疫情时期陷入气候和环境效益需让位于经济复苏的思维定式。然而，通过全面的模拟和核算，发现相反的结论：低碳化和数字化转型对经济的短期拉动效应不仅与碳密集型行业投资的拉动效应相当，前者的效果甚至超过后者。尤其是体现数字经济趋势的“绿色复苏”情景，其对经济的拉动效应比传统刺激情景高0.3%～14.8%，创造就业岗位变化-4%～3%。真正可能拖慢经济恢复速率的不是低碳化和数字化的经济拉动能力，而是这一过程中面临的劳动力转型等现实挑战。在低碳数字经济情景下，近1亿人需要跨行业就业，其中中低技能人群占96%以上。跨行业就业门槛和技能瓶颈可能带来中低技能人群“结构性失业”的次生伤害，从而增加社会不平等风险。

为了应对这一挑战，短期而言，优选与劳动力供给结构匹配度高、人才市场能够快速适应的绿色刺激方案是实现经济复苏与绿色发展共赢的可行路径。长远来看，全面部署公正转型战略、加强劳动力市场的灵活性，推动人才培养体系改革，是应对突发性灾害事件、提升经济韧性的正确思路。此外，值得警醒的是，尽管“绿色复苏”具有积极的长期气候效益，但短期内仍然与传统刺激方案一样面临着能源需求激增和碳排放回弹的问题。提前部署碳排放增长的应对策略，加快煤电企业的深度减排也是当前形势下的紧迫任务之一。

尽管困难重重，但值得欣喜的是，经济复苏和绿色发展本质上并不互斥。面向清洁能源和数字经济的“绿色复苏”计划，可以在拉动经济体量的同时，引领我国走向更清洁、可持续的气候道路。后疫情时期，经济复苏的短期应对策略应与中长期绿色发展战略相统一，提前谋划，长远布局，打造应对公共卫生突发事件和气候变化的双韧性。“绿色复苏”是对生态文明理念的践行，契合国家的经济发展需求，也为全球经济的复苏提供了参考路标。当下的中国应把握历史的机遇，打破传统思维定式，推动经济复苏与绿色发展的协同共赢。

参考文献

[1]GUAN D， WANG D， HALLEGATTE S， et al. Global supply-chain effects of COVID-19 control measures[J]. Nature human behaviour， 2020， 4（6）： 577-587.

[2]刘世锦， 韩阳， 王大伟. 基于投入产出架构的新冠肺炎疫情冲击路径分析与应对政策[J]. 管理世界， 2020， 36（5）： 1-12，51，263.

[3]DUAN H， WANG S， YANG C. Coronavirus： limit short-term economic damage[J]. Nature， 2020， 578： 515.

[4]The World Bank. Global economic prospects[R]. 2021.

[5]IMF. World economic outlook update [R]. 2021.

[6]ANSER M K， YOUSAF Z， KHAN M A， et al. Does communicable diseases （including COVID-19） may increase global poverty risk： a cloud on the horizon[J]. Environmental research， 2020， 187： 109668.

[7]ROSENBLOOM D， MARKARD J. A COVID-19 recovery for climate[J]. Science， 2020， 368： 447.

[8]TONG D， ZHANG Q， ZHENG Y， et al. Committed emissions from existing energy infrastructure jeopardize 1.5 ℃ climate target[J]. Nature， 2019， 572： 373-377.

[9]张小丽， 崔学勤， 王克， 等. 中国煤电锁定碳排放及其对减排目标的影响[J]. 中国人口·资源与环境， 2020， 30（8）： 31-41.

[10]GAWEL E， LEHMANN P. Killing two birds with one stone： green dead ends and ways out of the COVID-19 crisis[J]. Environmental and resource economics， 2020. doi：10.1007/s10640-020-00443-y.

[11]HEPBURN C， OCALLAGHAN B， STERN N， et al. Will COVID-19 fiscal recovery packages accelerate or retard progress on climate change？[J]. Oxford review of economic policy， 2020， 36： S359-S381.

[12]李志青. 以绿色发展力促进经济绿色复苏[N].中国环境报， 2020-05-07.

[13]Climate Action Tracker. A government roadmap for addressing the climate and post COVID-19 economic crises[R]. 2020.

[14]ALLAN J， DONOVAN C， EKINS P， et al. A net-zero emissions economic recovery from COVID-19[R]. 2020.

[15]IEA. Sustainable recovery[R/OL].（2020-06-18）[2020-08-06].https：//www.iea.org/reports/sustainable-recovery.

[16]HALLEGATTE S. An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina[J]. Risk analysis， 2008， 28（3）： 779-799.

[17]ZENG Z， GUAN D， STEENGE A E， et al. Flood footprint assessment： a new approach for flood-induced indirect economic impact measurement and post-flood recovery[J]. Journal of hydrology， 2019， 579： 124204.

[18]STADLER K， WOOD R， BULAVSKAYA T， et al. Exiobase 3： developing a time series of detailed environmentally extended multi-regional input-output tables[J]. Journal of industrial ecology， 2018 （3）： 502-515.

[19]Aura Vision. Global COVID-19 lockdown tracker[EB/OL]. （2020-06-18）[2020-08-06].https：//auravision.ai/covid19-lockdown-tracker/.

[20]Google. COVID-19 community mobility reports[EB/OL]. （2020-06-18）[2020-08-06].https：//www.google.com/covid19/mobility/.

[21]CHEN X， GONG X， LI D， et al. Can information and communication technology reduce CO2 emission： a quantile regression analysis[J]. Environmental science and pollution research， 2019， 26（32）： 32977-32992.

[22]ULUCAK R， KHAN S U D. Does information and communication technology affect CO2 mitigation under the pathway of sustainable development during the mode of globalization？[J]. Sustainable development， 2020（4）： 1-11.

[23]HANNA R， XU Y， VICTOR D G. After COVID-19， green investment must deliver jobs to get political traction[J]. Nature， 2020， 582： 178-180.

[24]LE QUéRé C， JACKSON R B， JONES M W， et al. Temporary reduction in daily global CO2 emissions during the COVID-19 forced confinement[J]. Nature climate change， 2020， 10（7）： 647-653.

[25]LENZEN M， LI M， MALIK A， et al. Global socio-economic losses and environmental gains from the coronavirus pandemic[J]. Plos One， 2020， 15（7）： e0235654.

[26]LIU Z， CIAIS P， DENG Z， et al. Near-real-time monitoring of global CO2 emissions reveals the effects of the COVID-19 pandemic[J]. Nature communications， 2020， 11（1）： 5172.

[27]GILLINGHAM K T， KNITTEL C R， LI J， et al. The short-run and long-run effects of COVID-19 on energy and the environment[J]. Joule， 2020， 4（7）： 1337-1341.

[28]ENGEL H， ALASTAIR H， SOLVEIGH H， et al. How a post-pandemic stimulus can both create jobs and help the climate[R]. 2020.

[29]ZHANG Y， ZHENG X， CAI W， et al. Key drivers of the rebound trend of chinas CO2 emissions[J]. Environmental research letters， 2020， 15： 104049.

[30]袁家海， 張浩楠， 朱衍磊， 等. 中国电力供应安全的经济分析与保障路径研究[R]. 绿色和平， 2020.

（责任编辑：李 琪）