The social cost of carbon under uncertainty over climate sensitivity and damages

Abstract:

The current study considers how the social cost of carbon responds to joint uncertainty over climate sensitivity and damages. Climate sensitivity is the temperature response to a doubling of pre-industrial carbon concentration in the atmosphere. Uncertainty over damages is implemented over the damage exponent, and reflect that we do not know how steeply damages increase at higher temperatures. These two uncertainties interact, and therefore it is insightful to investigate their joint effect. In the literature the two have only been studied separately. The analysis is carried out in a wide-spread Integrated Assessment Model of Climate Change (IAM), more specifically a dynamic programming version of the Dynamic Integrated Climate Economy model (DICE). Uncertainty is implemented as a simplified Bayesian learning process. We simplify the learning process by using the exogenous evolution of the variance in the normalnormal Bayesian learning model. Comparing the results from the model with different uncertainties to a deterministic version of the same model, we find that both joint and single uncertainty contributes to a higher social cost of carbon (SCC). Uncertainty over climate sensitivity contributes more to the SCC in the short term, while uncertainty over the convexity of damages contributes more in the long term. The model is coded in MATLAB.


Abstract in Norwegian:

Den sosiale kostnaden av karbonutslipp under usikkerhet over klimasensitivitet og skadefunksjon

Denne masteroppgaven tar for seg hvordan usikkerhet over klimasensitiviteten og skadefunksjonen kombinert og hver for seg påvirker den sosiale kostnaden av karbonutslipp (social cost of carbon (SCC)). Klimasensitiviteten angir temperaturøkningen som en dobling av pre-industriell atmosfærisk karbonkonsentrasjon gir. Usikkerhet over skadefunksjonen er implementert over konveksiteten til skadefunksjonen, og reflekterer at vi ikke vet hva den globale økonomiske skadevirkningen av karbonutslipp er. Disse to usikkerhetene interagerer og det er derfor nyttig å se på de sammen, samt hver for seg. I litteraturen har disse to usikkerhetene så langt blitt sett på separat. Analysen er utført i en integrert klima-økonomi modell (Integrated Assessment Model of Climate Change), mer spesifikt er det en dynamisk programmeringsversjon av den anerkjente DICE (Dynamic Integrated Climate Economy Model) modellen. Usikkerhet er implementert som en forenklet bayesiansk læringsmodell. Forenklingen er gjort ved å utnytte den eksogene utviklingen av variansen i en normal-normal bayesiansk læringsmodell. Ved å sammenligne resultatene fra modellen med en deterministisk versjon av samme modell, finner vi at usikkerhet gir en høyere SCC. En sammenlikning av de to usikkerhetene i modellen forteller oss at usikkerhet kun implementert over klimasensitiviteten gir en relativt høyere SCC på kort sikt, mens usikkerhet kun implementert over skadefunksjonen gir en relativt høyere SCC på lang sikt. Modellen er kodet i MATLAB.

Published Aug. 28, 2020 2:26 PM - Last modified Sep. 2, 2020 3:01 PM