中国区域CGE模型数据库SinoTERM365

2018-05-31 03:04:44

1. 1. 简介

SinoTERM365是一个包含中国365个区域162个行业的大型CGE模型数据库，数据细达县级层面。本文总结了创建此数据库的方法和每个省的数据质量。

未来与订阅者的互动将给予这个大型数据库持续更新和维护。尽管创建此数据库使用了所有已有的中国国家和省级统计部门的年鉴数据，在一些行业和地区方面仍有不足。

创建多区域CGE模型的TERM方法由Mark Horridge 创立，越来越多的国家都使用他的方法创建了TERM模型。

2. 2. 国家数据库

一个典型的投入产出表需要作出一些修改后才能符合CoPS的CGE模型的要求。各投入产出表都有其具体的修改方式。例如，2012年中国投入产出表的原始数据中铁路运输行业的NOS（净运营剩余）是个负数。根据折旧数据，我们将其调整为正数。为了保持数据库平衡，我们将调整的幅度加到了生产税（生产补贴）一项中。

私人消费者对铁路运输的消费也需要调整。原始数据对铁路运输的私人消费是比上述调整更小的一个数。

接下来，我们将生产税转化为商品税。其中农业和铁路运输例外，它们负的生产税被计入其他费用一项中。

2.1. 投资矩阵

投入产出表通常只包含一列对各商品的投资向量。CoPS通常将其转为投资矩阵。最简单的方式是假设每个行业的投资品组成完全一样，这意味着家禽、采掘、教育、卫生和道路运输等行业的投资投入完全一致。

但更实际的做法是让不同行业拥有不同的投资品投入组成。例如，家畜对家畜行业来说是更重要的投资品。所以，对家畜的投资都应归于家畜行业。然而道路运输行业更加依赖土木工程建造的投资投入。

当我们在分析特定的主要项目的建造和运营阶段时，这些投资细节非常相关。给定各行业的投资结构，在建造阶段不同行业的需求则会不同。

2.2. 行业分解

中国投入产出表的一个很大缺陷是农业只有两个行业：种植业和畜牧业。在准备我们的数据库时，我们将种植业分解为水稻、小麦、玉米、其他谷物、大豆、块茎、其他蔬菜、棉花、甘蔗、茶叶、苹果和梨子、柑橘、葡萄和其他农作物。畜牧业则分为猪、羊和其他家畜。肉制品分为猪肉和其他肉制品。数据库中的电力供应分解为七种发电方式：煤电、天然气发电、热能发电、核能发电、水能发电、风能发电和太阳能发电。另外还有单独的配电行业。

3. 3. 省级（31个区域）份额

创建县级CGE模型需要从国家层面CGE数据库开始。地区的数据各方面需与国家数据一致。这意味着区域经济活动是国家经济活动的份额，其中各区域数据总和为国家层面数据。

在使用县级数据之前，我们先估计省级31个区域的份额。在这一步，使用新的省级份额的方式非常有限。首先，我们借用旧版SinoTERM的省级份额。然后，我们将中国国家统计年鉴的省级产出对应到了162个行业中的40个行业。这些行业主要是农作物、家畜和一些制造业。

为了得到种植业、林业、畜牧业、渔业和农业相关服务的省级份额，我们使用了国家层面经济核算数据。在官方的投入产出表中，这些数据与行业是一一对应关系。在我们这里更细分的数据库中，种植业和畜牧业被细分为多个子行业，国家层面数据控制的是这些子行业的总和。另外八个国家经济核算行业控制了农业以外行业的省级数据总和。

数据库中造船行业的省级份额仅限于四个沿海省份。关于机动车辆制造业的省级份额来自于对于工厂所在城市及其产量的网络搜索数据。省级居民和政府消费份额来自于国民经济核算的支出部分。

对于省级份额最关键的是，在不改变下游县级数据产生程序的基础上，我们能对其进行重新估计。这就是说省级总和控制量自动适用于下游县级数据。

我们不会因为对某个省数据抱有疑问而不继续处理该省的县级数据。我们相信未来可以通过获得更好的数据而更新我们的数据库。我们的数据处理程序考虑到了这个需求，因此未来进一步修改数据库是非常简单直白的。我们目标是在使用更好的数据重新估计多区域CGE数据库后，为订阅客户提供修改后的数据库。

4. 4. 县级份额

表 1: 县级数据汇总

表1展示了SinoTERM365中用于估计县级份额的数据。这些数据主要来自省级和国家统计年鉴，以及2005年人口普查数据。和美国区域数据库USAGE-TERM与澳大利亚区域数据库Australian TERM不同，中国细分区域的数据不可获得。在美国的数据库中，大多数NAICS行业的县级就业原始数据可获得。而在澳大利亚的数据库中，SA2层面（大约3000个区域）的ANZSIC数据也可获得。两者的数据均来自于人口普查。而中国的人口普查只包含19个大行业。

有两个相邻的省的数据质量分别为最好和最差：河南和湖北。对于河南，农业数据质量很高，制造业数据也比较详细，并有2014年19个行业的就业数据。但是对于湖北，只有农业的数据质量较好。农业之外仅有的县级层面数据只有4个大行业（不包括农业）的国家核算数据。

显然使用最新的就业数据要比2005年人口普查数据更好。我们对于以下省份的县级数据使用了后者：河北、内蒙古、江苏、浙江、福建、江西、广西、四川、贵州、陕西、青海和宁夏。2013或2014年国家核算行业（19行业）的县级就业数据用于以下省份：辽宁、安徽、山东、河南、海南、云南、西藏和甘肃。吉林、黑龙江和湖南统计年鉴包含了2014年17个大行业的国家核算数据（GDP）。广东的部分使用了2005年人口普查数据外加2014年9个大行业的GDP数据。除了湖北外数据有限的省份和直辖市还包括：重庆（分为5个区域）和新疆。

我们相信各省级统计机构拥有更好的数据。未来随着我们进一步与中国机构合作，我们将会提高我们数据质量。

4.1. 电力行业

carma.org网站包含了中国超过3000个电厂的信息。尽管网站并未标明发电能源种类，但是从电厂名称、产量和排放可以推断出这些信息。例如，高排放的大电厂通常是用煤发电；同样排放的小电厂一般是柴油发电（在SinoTERM365数据库中属于“其他热能发电”类别）；零排放的大电厂一般为核能或水能发电。这些核电站也可以通过网络信息核实。

将这些电厂根据发电能源种类不同分类需要大量网络信息搜索，因为有很多中等产量的电厂既可以是煤电也可以是柴油发电。

由于太阳能发电高度分散的性质，我们并未估计各区域太阳能发电量。我们将各区域太阳能产出份额设定为与配电份额一致。

4.2. 各港口国际贸易份额

TERM方法是将国际贸易设定为港口进口或出口。出口的来源区域和进口的到达区域并不是数据库产生程序的直接输入信息。

我们预期近期将得到港口贸易数据。在此之前，我们将对港口贸易活动作出估计。

通过网络搜索，我们得到以下国际贸易港口信息：

辽宁: 大连 (中等), 营口 (小) 和金州 (非常小)

河北: 秦皇岛(非常小)

天津 (主要港口)

山东: 青岛 (中国第七大港口), 日照, 烟台和威海

江苏: 连云港, 南通, 镇江,无锡, 南京

上海 (中国第一大港口)