中國制造業碳排放的網絡特征測度及其差異化影響效應研究

張同斌 高巍 馬晴晴

摘要制造業作為我國主要的碳排放行業，其減排效果在很大程度上決定了總體碳減排目標的實現進程。隨著制造業行業間的關聯效應不斷強化，在中間品流動的過程中碳排放也隨之在行業間發生轉移，隱含碳已經成為行業碳排放的重要組成部分。本文基于投入產出表構建中國制造業的“產出—碳排放”矩陣，采用網絡分析方法研究碳排放的網絡結構特征，選取面板校正標準誤估計方法從要素密集和板塊分布角度探究制造業碳排放影響效應的異質性，主要結論為：制造業網絡結構特征對碳排放存在顯著影響，中間產品流動導致的碳轉移對制造業碳排放的影響效應得到充分體現。制造業的中心性特征對碳排放具有正向影響，行業之間的產業關聯和碳排放聯系增強，使得制造業總體碳排放量上升。勞動密集型行業主要處于產業鏈的中游，與產業分工地位對應的中心度對其碳排放的影響效應突出，資本密集型制造業基本位于產業鏈的兩端，中心度對碳排放的影響明顯不足。進一步將制造業劃分為受益板塊和溢出板塊的結果表明，受益板塊行業為碳排放網絡中主要的碳排放引致行業，通過引入其他行業的中間產品，可以實現向其他行業的碳轉移以減緩網絡結構對其碳排放的影響，溢出板塊行業為其他行業提供高碳產品的同時承擔了過多的碳排放責任，受到碳排放網絡結構的約束較大。在不同類型制造行業特征的基礎上，應針對其網絡結構特征制定分類減排的差異化方案，對于直接碳排放量較高的行業，應加快淘汰落后生產技術和更新先進的機械設備，降低高碳產品供給水平進而減少碳排放。針對大量高能耗中間品流入的制造業行業，優化生產結構并促使其減少高碳中間產品的使用，才能從根本上抑制輸入型碳排放，以實現制造業碳減排目標。

關鍵詞制造業碳排放;網絡結構;碳轉移;板塊異質性;面板校正標準誤估計方法

中圖分類號F426文獻標識碼A文章編號1002-2104（2019）02-0166-11DOI：10.12062/cpre.20181022

控制和減少二氧化碳等溫室氣體的排放，是應對氣候變化的主要途徑，而當前國際碳減排的形勢卻不容樂觀。2017年，全球CO2排放量達到了325億t的歷史新高，同比增長1.4%，打破了CO2排放量連續3年持平的狀態。其中，中國二氧化碳排放量約為91億t，占全球總量的28%，是世界主要的碳排放大國[1]。通過對中國各行業能源消耗與碳排放特征的研究發現，自2000年以來碳排放絕大部分是由工業能源消耗引致的，制造業能源消耗占工業的80%以上并呈現逐漸上升的趨勢[2]。因此，制造業作為我國主要的碳排放行業，其減排效果在很大程度上決定了總體碳減排目標的實現進程。

產業規模的擴大為專業化的分工和協作提供了條件，致使各行業間中間產品的投入和使用量增大，行業間的關聯效應不斷強化。在中間品流動的過程中，碳排放也隨之在行業間發生轉移。隨著制造業各子行業間的產業關聯逐漸增強，中間產品使用產生的間接碳排放在碳排放總量中的比重逐年上升，隱含碳已經成為行業碳排放的重要組成部分[3]。如果只考慮制造業的直接碳排放，并針對直接碳排放量較高的行業進行減排，將忽視行業間碳轉移的問題，導致制造業子行業間的碳泄漏現象，不僅會減弱碳減排的效果，而且對碳減排政策的制定存在一定的誤導性，無法從根本上進行有效的碳減排。

1制造業碳排放問題的研究述評

現有文獻對制造業碳排放問題的研究主要集中于兩個方面：一是研究制造業碳排放的影響因素，如行業產值、能源強度、能源結構等。大多數學者研究發現經濟發展和終端能源強度是推動二氧化碳排放變化的主要因素[4-7]。由于制造業各行業的發展特征不同，碳排放各驅動因素對不同類型行業的碳排放量呈現差異化的影響。例如，能源消費規模對重工業碳排放的“促增效應”顯著高于輕工業[8]，金屬制品業能源結構變動對碳排放的影響效應高于其他行業[9]。因此，不同類型制造業行業碳排放影響因素及其影響效應的異質性特征突出，應在多維視角下對各類制造業行業的碳排放進行差異化的研究。

二是從行業間碳排放關聯的視角進行分析，在國內外文獻中，對于區域之間碳轉移的存在性及其測度的研究較為常見[10-13]，對于行業間碳轉移問題的研究相對較少但逐漸增多。例如，部分學者研究表明，絕大多數工業部門的引致碳排放遠高于直接碳排放，部門間碳轉移是構成工業部門完全碳排放的主要部分[14-16]，且工業部門為非工業部門提供了較多的中間產品[17]，非工業部門將碳排放轉移到工業部門[18]。在行業間碳轉移驅動因素的研究中，李新運等[19]認為各行業產出變動和碳排放強度變動是造成間接碳排放變化的主要原因，細分的研究如孫立成等[18]指出碳排放強度效應是產業碳轉移減少的關鍵因素，而中間生產技術效應和投入規模效應則是碳轉移增加的因素。

綜合上述文獻可得，有關制造業碳排放問題的研究已經較為全面，同時存在一定的研究空間：在碳轉移問題的研究中，僅對各行業之間碳轉移量進行測算，會忽略制造業碳排放系統內部結構特征對行業碳排放的影響;在不同制造行業碳排放問題的研究中，針對產業特征對行業進行合理分類，進而考察碳排放異質性的研究還不充分。因此，本文基于投入產出表構建“產出—碳排放”矩陣，采用網絡分析方法研究中國制造業碳排放的整體結構特征，檢驗制造業碳排放網絡結構對碳排放的影響效應。在此基礎上，進一步采用面板校正標準誤估計方法從生產要素異質性和板塊分布異質性兩個角度，探究不同類型制造業行業中碳排放影響效應的異質性，為推動綠色制造和實體經濟高質量發展提供實證支持。

2“產出-碳排放”矩陣的構建與網絡分析方法

2.1制造業“產出-碳排放”矩陣的構建

投入產出表是行業之間中間產品投入和使用關系的重要體現形式，將其與碳排放數據相結合，能夠合理地測度制造業系統行業內的碳排放量和行業間的碳轉移量。本文從最終需求的角度對制造業各行業的碳排放量進行測度，包括直接碳排放和間接碳排放兩部分。直接碳排放指的是制造業行業在生產過程中為滿足自身單位最終需求產生的碳排放量，而間接碳排放，即引致碳排放則是為滿足本行業單位最終需求所消耗的其他行業產品生產過程中產生的碳排放量。

3數據來源和變量計算

投入產出表是構建“產出—碳排放”矩陣的基礎，本文中采用的投入產出表來自于世界投入產出數據庫（Word InputOutput Database，WIOD）中公布的中國投入產出數據。WIOD數據庫中公布了1997—2014年18年的中國投入產出表，由于WIOD投入產出表中的行業分類與中國國民經濟行業分類中制造業的劃分標準不一致，本文以國際標準行業分類（ISIC Rev.4）為基準，將制造業各個子行業歸并為13個行業制造業行業名稱為：食品，飲料和煙草;紡織品，皮革和鞋類;木材和軟木產品;紙張，印刷和出版;焦炭，精煉石油和核燃料;化工產品;橡膠和塑料;其他非金屬礦物;基本金屬和制造金屬;機械;電氣和光學設備;運輸設備;其他制造業行業。。

3.1碳排放計算

在制造業各子行業碳排放量變量（Carbon）的計算中，與大多數文獻一致，本文參照聯合國政府間氣候變化專門委員會（IPCC）提出的碳排放測算方法，采用行業各類能源的消耗量、能源轉換系數和能源碳排放因子的乘積之和作為行業碳排放量的近似。鑒于數據的可得性，本文選取具有代表性的煤、焦炭、原油、天然氣等9種能源測度各行業的碳排放量，其中各能源的折標準煤系數（能源轉換系數）來自于《中國能源統計年鑒》，各能源的碳排放因子參考了2007年IPCC第四次評估報告的結果。

3.2控制變量的選取

固定資產投資是中國經濟增長的重要推動力之一，其中，相當一部分投資引致了大量的以化石能源為主的能源消耗和相應的碳排放激增，致使中國經濟陷入了“產業投資—經濟增長—能源消耗—碳排放”的發展模式[8]。參考國內外文獻中有關碳排放影響因素的研究設計，本文選取了行業規模、行業投資和能源消耗結構作為影響制造業碳排放的控制變量。

（1）行業總產值指標：當前中國大多數制造行業的發展尚未從根本上擺脫對化石能源的依賴，行業產出規模的擴張會導致碳排放量的增加。并且，基于經濟增長與環境污染之間存在倒“U”型環境庫茲涅茨曲線的假說，部分制造業行業產值與碳排放之間也可能存在類似關系，因此本文在模型中加入行業總產值的二次項。行業總產值數據來源于《中國工業統計年鑒》中的工業總產值，記為Y。

（2）人均固定資產投資指標：投資的增長能夠在一定程度上通過行業生產規模的擴大促進能源消耗量的增加，進而引致碳排放量的增長。人均投資水平用行業固定資產投資除以全部從業人員年平均人數來度量，記為Pinv，數據來源于《中國工業統計年鑒》和作者計算。

（3）能源消耗結構指標：在工業生產中，煤炭消耗是產生二氧化碳的直接來源，在總能源消耗量中煤炭占比的上升，將加大行業的碳排放量。本文采用制造業各子行業的煤炭消耗量與該行業總能源消耗量的比值代表能源消耗結構（Str），數據來自于《中國能源統計年鑒》。

4制造業網絡結構效應對碳排放影響的實證研究

4.1制造業整體網絡特征變量對碳排放的影響效應

4.1.1模型構建與估計方法

本文選取1997—2014年制造業13個子行業的平衡面板數據，構建面板計量經濟模型進行分析。具體而言，本文以中國制造業各子行業的碳排放量（Carbonit）為研究對象，選取行業總產值（Yit）及其平方項（Yit2）、行業人均固定資產投資（Pinvit）、能源消耗結構（Strit）作為控制變量，將網絡特征變量點入度（Indit）、點出度（Outdit）、度數中心度（Deit）、中間中心度（CABit）、接近中心度（CAPit）逐一加入到模型中，分析制造業碳排放網絡的結構特征對于行業碳排放的影響，模型形式如式（7）所示。

Carbonit=β0+β1Indit+β2Outdit+β3Deit+β4CABit+β5CAPit+β6Yit+β7Y2it+β8Pinvit+β9Strit+μit（7）

由于面板數據模型的回歸結果對樣本數據的方差較為敏感，特別是在以中國制造業各子行業為研究樣本時，面板數據會因為不同行業之間規模存在較大差異而產生嚴重的異方差問題，而且面板序列相關現象也不容忽視。為得到準確的回歸結果，本文采用面板校正標準誤（PanelCorrected Standard Error，PCSE）方法進行模型（7）的估計。

當面板數據模型存在復雜的誤差結構時，如序列相關、異方差等，會導致采用普通最小二乘（OLS）方法得到的估計量是無偏、一致且非有效的，此時統計檢驗將會失效。Beck and Katz[25]提出了面板校正標準誤（PCSE）估計方法，該方法在對模型的標準誤進行校正后，繼續使用普通最小二乘法估計可以得到有效的估計量，在小樣本的情況下效果也十分顯著。

4.1.2模型估計結果與分析

本文基于1997—2014年中國制造業全部子行業樣本，采用面板校正標準誤（PCSE）方法對模型（7）進行估計，得到制造業整體行業網絡結構特征對碳排放影響效應的估計結果，如表1所示。

由表1中的結果可得，在制造業碳排放系統中，網絡特征變量對行業碳排放量存在顯著影響。其中，點入度、點出度對制造業碳排放影響的估計系數分別為-0.941、1.278，且在1%的顯著性水平下顯著。點入度的提高會導致制造業碳排放量減少，而點出度提高會導致行業碳排放量增加，這主要是中間產品流動導致的碳轉移對制造業碳排放影響效應的體現。如前所述，在制造業生產網絡中，下游行業通過引進中間產品減少了本行業的生產環節，進而降低了自身的碳排放量，上游行業為中下游行業所提供

的中間產品主要為原材料及能源密集型產品，生產過程中消耗大量的能源導致本行業碳排放量增加。根據第三部分碳排放量的測算數據以及構建的“產出—碳排放矩陣”計算可得，2014年我國制造業碳排放總量達到2 321.90百萬t，較1997年增加了196.52%，這一期間制造業產業關聯導致的隱含碳排放量增長幅度達到252.56%，制造業內部隱含碳的增長幅度明顯高于制造業碳排放總量的增長幅度，并且1997—2014年我國制造業間接碳排放量約為直接碳排放量的1.49倍，中間品流動及碳轉移對制造

業碳排放的影響效應十分顯著。

中心度的影響效應方面，表1顯示，度數中心度、中間中心度和接近中心度的回歸系數分別顯著為0.776 5、0.570 1和0.176 3，表明制造業各行業的中心性特征對行業碳排放具有正向影響，即制造業中心度增強會導致行業碳排放量增加。在制造業碳排放關聯網絡中，度數中心度提高意味著行業與其他行業之間建立了更為廣泛的聯系，產業關聯和碳排放關聯增強，行業間的碳轉移量增長;較高的中間中心度表明行業對其他制造行業碳排放流動方向和數量的引導力、控制力提高，行業間存在的碳排放間接聯系逐漸增強;接近中心度的提高使得制造業碳排放網絡中各行業之間的相互聯系更加密切，甚至處于相對邊緣位置的行業與其他行業之間建立起碳排放聯系，從而使得行業間碳排放關聯進一步加強。

制造業整體網絡中心性的提高促使各子行業間的直接、間接碳排放聯系增強，行業總體碳排放量上升。根據“產出—碳排放矩陣”計算可得，1997—2014年，中國制造業碳排放網絡中行業間的碳排放聯系由70個增加至91個，制造業隱含碳排放量占制造業碳排放總量的比重由49.31%上升至58.63%，提高了近9個百分點，行業間的碳排放聯系與碳排放量均呈現上升趨勢。

在制造業碳排放網絡中，某一行業與其他行業之間的直接聯系越多，越能發揮其作為中間行業為其他行業建立碳排放間接聯系的“橋梁”作用，擁有較高度數中心度的行業，一般而言其中間中心度也較高。此外，擁有廣泛的直接聯系是行業與其他行業之間建立間接聯系的前提，度數中心度高的行業其接近中心度通常也越高。因此，度數中心度、中間中心度和接近中心度的行業排名基本一致，三種中心度對制造業碳排放影響效應的方向也相同。

4.2分行業類型網絡特征變量對行業碳排放的影響效應

在制造業生產體系中，不同類型行業網絡特征對碳排放的影響效應也不盡相同。本文參考王棟等[26]的行業分類標準，將制造業劃分為勞動密集型行業和資本密集型行業兩大類勞動密集型行業為：食品，飲料和煙草;紡織品，皮革和鞋類;木材和軟木產品;紙張，印刷和出版。資本密集型行業為：焦炭，精煉石油和核燃料;化工產品;橡膠和塑料;其他非金屬礦物;基本金屬和制造金屬;機械;電氣和光學設備;運輸設備;其他制造業行業。此外，資本密集型行業還可以進一步劃分為資源密集型行業和技術密集型行業。。

板校正標準誤方法估計得到其網絡結構特征對碳排放的影響效應結果，列于表2。

表2顯示，勞動密集型制造行業點入度、點出度對碳排放的影響系數分別顯著為0.087 7、0.159 4，說明點入度或點出度增大會導致該類行業的碳排放量上升，點出度對其碳排放的影響效應較為顯著。點出度對碳排放的影響為正，與全部制造業樣本回歸中的影響方向一致。與之不同，點入度對行業碳排放存在正向影響，與整體回歸中的結果相反。原因在于，勞動密集型行業的主要投入為能源產品和原材料等，在其他中間產品對其原材料等產品的替代性較弱的情形下，要素價格上升引發的生產成本上升導致勞動密集型行業競爭優勢減弱、技術進步緩慢，設備的更新速度減緩，碳排放量沒有得到有效控制而出現上升。

更為重要的是，部分勞動密集型行業自身的生產特征決定了其點入度增大導致碳排放上升的特征，以印刷和出版行業為例，由于該行業為高污染和高排放行業，點入度上升，即其他行業為其提供更多的中間產品時，產品流入一方面減少了其自身的碳排放，另一方面也促使其產出規模擴大、能源消耗增長和碳排放量增加，碳排放量的變動取決于兩種效應的大小關系。當生產規模擴大對碳排放的促進作用超過了產品流入對碳排放的抑制作用時，就會導致碳排放量呈現上升趨勢。

勞動密集型行業度數中心度、中間中心度和接近中心度對碳排放的影響系數均顯著為正。當度數中心度提高時，勞動密集型行業與其他行業之間的聯系增多，產業關聯帶來的規模效應推動了行業產出增長和碳排放量增加。中間中心度和接近中心度的提高在一定程度上也是勞動密集型行業直接關聯效應增強的體現，因此兩者對勞動密集型行業碳排放的影響方向與度數中心度一致。由表2可得，與度數中心度、接近中心度相比，中間中心度對行業碳排放的影響效應最大，這是由于勞動密集型行業主要從事加工、組裝、制造等活動，處于產業鏈的中游水平，與其產業鏈分工地位相對應的中間中心度對于其生產活動和碳排放的影響效應十分顯著。由于中間中心度對碳排放的控制作用明顯，在勞動密集型行業的碳減排中，應對重點行業施加更多約束，能夠達到較好的減排效果。

4.2.2資本密集型行業網絡特征變量對行業碳排放的影響

與勞動密集型行業類似，本文選取資本密集型行業樣本，采用面板校正標準誤估計方法對模型（7）進行估計，檢驗網絡結構對其碳排放的影響，估計結果如表3所示。

根據表3可知，對于資本密集型制造行業而言，點入度、點出度回歸系數分別為-1.622 9、1.458 9，均在1%的顯著性水平下顯著，與全部樣本回歸中的出入度對碳排放影響的方向一致，程度近似。原因在于，資本密集型制造業是制造業中間生產活動的主體，其中間產品使用量占制造業中間產品使用總量的87.19%，資本密集型行業也成為主要的碳排放行業，在較高程度上反映了制造業整體的碳排放特征。根據本文第三部分中碳排放量的測算結果可得，1997—2014年，我國制造業碳排放量增長的1 685.61百萬t中，勞動密集型行業和資本密集型行業的碳排放分別增長了121.82百萬t和1 563.79百萬t，對制造業碳排放增長的貢獻率分別為7.23%和92.77%。并且，資本密集型行業與其他行業之間的前后向關聯效應較強，在碳排放網絡中易于受到中間品流動的影響。

然而，與出入度不同，表3顯示，度數中心度、接近中心度和中間中心度對資本密集型行業碳排放的影響系數均不顯著，資本密集型行業穩定和分散的網絡結構減弱了中心度對其碳排放的影響。可能的解釋是：第一，基于生產結構視角分析，結合中國投入產出表的計算可知，1997—2014年，資本密集型行業來自自身的中間使用和中間投入分別占其全部中間使用和全部中間投入的88.22%、88.77%，“自給自足”的特征十分突出，該類行業內部的生產網絡結構關系十分穩定，碳排放受到其他行業控制或控制其他行業碳排放的程度較低。

第二，基于“產出—碳排放”矩陣的計算結果，1997—2014年，我國資本密集型行業的三種中心度在整個制造業碳排放網絡中的位置排名靠前，并且幾乎沒有發生變化。資本密集型行業中的化工產品行業、精煉石油和核燃料行業、基本金屬和制造金屬行業、機械行業等，其中心性均大于制造業的平均水平。此外，資本密集型行業中各個子行業的中心性差距較小，說明在資本密集型行業碳排放的子網絡中，不存在地位突出的主導型行業，進而導致中心度對碳排放的影響效應不足。

第三，資本密集型行業中心度對碳排放的影響作用微弱，主要還是由產業分工或行業在產業鏈中所處的位置決定的，通過對資本密集型行業的分析發現，該類行業可以進一步劃分為資源密集型行業和技術密集型行業，一般而言，資源密集型、技術密集型行業分別處于產業鏈的上游和下游環節，即位于產業鏈的兩端，加之產業鏈長度的影響，致使在資本密集型制造業碳排放子網絡中，中間中心度、接近中心度的影響效應是不顯著的。

需要注意的是，對比表2和表3可得，與勞動密集型行業相比，資本密集型行業點入度、點出度兩種網絡結構特征變量對碳排放的影響效應更大且更為顯著，這在部分上取決于兩類行業的生產規模和產業關聯特征的差異。一方面，在投入規模上，根據中國投入產出表的計算結果表明，1997—2014年，資本密集型行業的中間使用量、中間投入量分別為勞動密集型行業的10.95倍和6.49倍，體現出資本密集型行業在制造業生產網絡中的參與程度遠高于勞動密集型行業，且資本密集型行業的中間使用量和中間投入量增長幅度接近勞動密集型行業的2倍;另一方面，從產業關聯關系角度分析，資本密集型行業的前向和后向產業關聯系數均大于勞動密集型行業[28]，其生產活動與其他行業生產活動之間的相互影響更為顯著，因而更容易發生碳轉移和碳溢出現象，出入度對碳排放的影響程度較高。

5制造業碳排放的板塊特征分析及異質性研究

5.1制造業行業的板塊劃分及特征分析

僅將行業劃分為勞動密集型行業和資本密集型行業，這對于中國制造業碳排放異質性特征的研究是不足的。為進一步從網絡結構的角度研究不同類型制造行業碳排放的異質性，本文通過塊模型揭示制造業各子行業在碳排放關聯網絡中的聚類特征。借助UCINET軟件，本文采用社會網絡分析中的CONCOR方法，將最大的分割深度設定為2，收斂標準設定為0.2，得到制造業各子行業的板塊

分類結果。參考Girvan and Newman[29]的研究方法，依據板塊內部關系與板塊間關系的數量特征，可以將制造業板塊劃分為四種類型：主受益板塊、主溢出板塊、雙向溢出板塊和經紀人板塊。

各類板塊的特征為，主受益板塊中的制造業行業接收來自板塊外部行業的碳排放關系明顯多于對其他板塊的碳排放溢出關系，主要表現為碳排放的接收;主溢出板塊內制造業行業對其他板塊發出的碳排放關系要明顯多于接收的其他板塊的碳排放關系，典型特征為碳排放的溢出;雙向溢出板塊、經紀人板塊中的制造業行業既發出關系也接收其他板塊的關系，兩者的區別在于板塊內部行業之間的碳排放聯系較多還是較少。

本文根據塊模型方法對制造業各子行業進行歸類，得到1997—2014年13個制造業行業所在的板塊及其類別。經過整理發現，除個別年份外，制造業各子行業主要分布在主受益板塊和雙向溢出板塊中，兩類板塊的明顯特征分別為碳排放關系的接收和溢出。為簡化起見，本文分別將主受益板塊、雙向溢出板塊稱為受益板塊和溢出板塊①。

對受益板塊和溢出板塊中行業的特征進行分析可得，受益板塊中的制造業行業生產規模較大，但其中間產品主要由其他行業供給，來自本行業自身的中間產品占比較低。溢出板塊中的制造行業多屬于能源行業或原材料行業，主要生產能耗高、附加值低的初級產品，在制造業生產系統和碳排放網絡中處于核心位置，與其他產業具有較強的前向和后向關聯，該類行業的碳排放水平較高。

5.2不同板塊行業類型中碳排放的異質性分析

5.2.1受益板塊行業網絡特征變量對行業碳排放的影響

與第四部分類似，本文基于受益板塊行業樣本，采用面板校正標準誤（PCSE）估計方法對模型（7）進行估計，得到這類行業網絡特征變量對碳排放影響效應的估計結果表4。

由表4中的估計結果可知，在受益板塊制造行業碳排放的影響因素中，點入度和點出度變量前的回歸系數分別為-0.243 7和0.382 3，都在1%的顯著性水平下顯著，即點入度的提高、點出度的降低能夠減少行業碳排放。根據投入產出表和“產出—碳排放”矩陣的計算結果顯示，受益板塊中機械、運輸設備等行業對焦炭，精煉石油和核燃料、化工產品等能源密集型行業中間產品的使用量較多，1997—2014年受益板塊行業使用中間產品引致的碳排放量占制造業隱含碳排放量的比重高達84.97%，因此受益行業在中間產品消耗的過程中，碳轉移量較大。此外，點入度提高時，除了輸入產品減少了該類行業的碳排放之外，受益板塊行業中包括部分高技術行業，生產技術更新速度快，能夠實現對輸入產品的優化配置，也在一定程度上減少了碳排放量，充分體現了該類行業在碳排放網絡中的“受益”特征。

表4中的數據顯示，度數中心度、接近中心度對受益板塊制造業行業碳排放的影響效應顯著為正，而中間中心度對碳排放的影響系數為-0.217 5，僅在10%的顯著性水平下顯著。由于受益板塊行業大多為技術密集型行業和消費品工業，處于產業鏈的下游，如前所述，產業分工導致中間中心度對該類行業碳排放的影響程度有限。并且，受益板塊類型行業中間中心度提高時，對其他行業碳排放的控制作用增強，其可以充分利用自身的先進技術實現對生產過程中碳排放的有效控制，使得碳排放量呈現略微下降的趨勢。

5.2.2溢出板塊行業網絡特征變量對行業碳排放的影響

本文又基于溢出板塊行業樣本，采用面板校正標準誤方法估計得到該類行業網絡結構特征對碳排放的影響效應結果，列于表5。

根據表5中的結果可得，點入度、點出度對溢出板塊制造行業碳排放的影響系數分別在1%的顯著性水平下顯著為1.149 4和0.826 1，這表明在溢出板塊行業中點入度、點出度的提高都會增加行業的碳排放量。點入度對溢出板塊行業碳排放的影響為正，與該類行業自身的生產特征緊密相關。通過對溢出板塊行業的分析可得，該板塊

內部的大部分行業，如印刷和出版、精煉石油和核燃料、化工產品、橡膠和塑料等行業為高污染和高排放行業。據測算，1997—2014年，溢出板塊制造行業的能源消耗量約占制造業能源消耗總量的85.02%，點入度上升時，其生產規模擴大會導致自身的碳排放量顯著增長。

基于投入產出表的數據可得，1997—2014年，溢出板塊中行業供給的中間品數量是其需求的中間品數量的1.8倍，這進一步說明，與其他行業中間產品輸入減少的碳排放相比，該板塊中行業的生產規模擴大引致的碳排放量占主要地位，即其生產擴張的引致碳排放量高于產品輸入的轉移碳排放量，總體表現為點入度提高導致溢出板塊行業碳排放增加。點出度提高表明溢出板塊制造行業為其他行業承擔的碳排放增多，行業碳排放量上升。

在溢出板塊碳排放的影響因素中，表5顯示，度數中心度、接近中心度和中間中心度變量前的回歸系數均高度顯著為正，其中，度數中心度對該類行業碳排放的影響效應最大，這與整體制造業中的估計結果類似。溢出板塊類型行業主要以輸出能源產品、高碳產品為主，屬于基礎性行業。在板塊外部，溢出板塊制造行業與其他行業的直接關聯強度、對其他行業碳排放的控制程度均較高;在板塊內部，溢出板塊行業還高度依賴于自身資源能源投入，當溢出板塊行業的中心度提升時，將直接和間接地導致其他行業對其中間品的需求增長，進而能源產品、高碳產品的消耗量增長使得行業碳排放量增加，碳排放的溢出效應十分明顯。

對比表4和表5中受益板塊、溢出板塊的估計結果可以得出，溢出板塊中制造業行業的網絡結構特征對碳排放的影響效應高于受益板塊行業，這取決于兩類板塊中所包含行業的類型。如前所述，受益板塊中的制造業行業大多為技術密集型行業、消費品工業等，這類行業在制造業碳排放關聯網絡中是主要的碳排放引致行業，在碳排放網絡控制中處于主動地位，可以實現由自身向其他行業的碳轉移，減緩網絡結構對其碳排放的影響;與之相對，溢出板塊行業主要為高碳排放行業和能源密集型行業，為其他行業提供高碳產品的同時承擔了過多的碳排放責任，相較于受益板塊行業，溢出板塊行業在制造業碳排放網絡中處于相對被動的位置，受到碳排放網絡結構的約束限制較大。

6結論

本文基于投入產出表構建“產出-碳排放”矩陣，采用網絡分析方法研究中國制造業碳排放的網絡結構特征，在此基礎上，采用面板校正標準誤估計方法從要素密集和板塊分布角度，探究不同類型制造業行業中碳排放影響效應的異質性，主要研究結論為：

在制造業碳排放系統中，網絡結構特征對碳排放存在顯著影響，中間產品流動導致的碳轉移對制造業碳排放的影響效應得到了充分體現。在制造業產業鏈中，下游行業通過引進中間產品減少了本行業的生產環節，降低了自身的碳排放量，上游行業為中下游行業提供原材料和能源密集型中間產品，致使自身碳排放量增加。制造業的中心性特征對碳排放具有正向影響，行業之間的產業關聯和碳排放聯系增強，或行業對其他制造行業碳排放流動的控制力提高，都會使得制造業總體碳排放量上升。

分行業類型的估計結果顯示，勞動密集型行業主要從事加工和組裝等活動，處于產業鏈的中游水平，與其產業鏈分工地位相對應的中心度對于其生產活動和碳排放的影響效應顯著。資本密集型制造業是制造業中間生產活動的主體和主要的碳排放行業，各個子行業基本位于產業鏈的兩端、中心性差距較小，因此中心度對碳排放的影響效應不足，碳排放受到其他行業控制或控制其他行業碳排放的程度較低。

本文進一步通過塊模型將制造業劃分為受益板塊和溢出板塊。估計結果表明，受益板塊中的行業大多為制造業網絡中的碳排放引致行業，通過引入其他行業的中間產品實現碳轉移，能夠在一定程度上主導網絡結構的變化并減弱其對自身碳排放的影響。溢出板塊行業為其他行業提供高能耗和高排放中間產品，在制造業碳排放網絡中處于“產品輸出、碳輸入”的相對被動位置，受到碳排放網絡結構的影響程度較高。

從碳排放網絡的視角分析中國制造業行業間的碳轉移和碳溢出現象，綜合考慮了不同行業直接、間接碳排放特征，有助于對制造業采取合理且有針對性的分類減排控制措施，達到有效的碳減排。與此同時，通過挖掘制造業行業的碳排放關聯特征，可以充分認識產品和碳排放在各行業之間的流動關系，找出真正的、潛在的高能耗行業，并及時對產業結構進行優化調整，這不僅是對我國節能減排政策的積極響應，而且可以對經濟結構和產業結構轉型發揮積極貢獻，實現經濟社會的高質量發展。本文的研究還存在一定的不足之處，在“產出—碳排放”矩陣的構建中，應采取更為科學合理的方法確定門限值。另外，還應對不同的制造業行業進行更多分類，以充分研究各類制造業碳排放特征的異質性等。

（編輯：于杰）

參考文獻

[1]國際能源署. 全球能源和二氧化碳現狀報告2017[R]. 2018.

[2]唐曉華， 劉相鋒. 能源強度與中國制造業產業結構優化實證[J]. 中國人口·資源與環境， 2016， 26（10）： 78-85.

[3]LENZENM. Primary energy and greenhouse gases embodied in Australian final consumption： an inputoutput analysis [J]. Energy policy， 1998， 26（6）： 495-506.

[4]ANGB W， ZHANG F Q， CHOI K H. Factorizing changes in energy and environmental indicators through decomposition [J]. Energy， 1998， 23（6）： 489-495.

[5]LISEW. Decomposition of CO2 emissions over 1980-2003 in Turkey [J]. Energy policy， 2006， 34（14）： 1841-1852.

[6]LIUL C， FAN Y， WU G， et al. Using LMDI method to analyze the change of Chinas industrial CO2 emissions from final fuel use： an empirical analysis [J]. Energy policy， 2007， 35（11）： 5892-5900.

[7]MAHONYT O， ZHOU P， SWEENEY J. The driving forces of change in energyrelated CO2 emissions in Ireland： a multisectoral decomposition from 1990 to 2007 [J]. Energy policy， 2012， 44（5）： 256-267.

[8]邵帥， 張曦， 趙興榮. 中國制造業碳排放的經驗分解與達峰路徑——廣義迪氏指數分解和動態情景分析[J]. 中國工業經濟， 2017（3）： 44-63.

[9]李新運， 吳學錳， 馬俏俏. 我國行業碳排放量測算及影響因素的結構分解分析[J]. 統計研究， 2014， 31（1）： 56-62.

[10]MIZOBUCHIK， KAKAMU K. Simulation studies on the CO2 emission reduction efficiency in spatial econometrics： a case of Japan [J]. Economics bulletin， 2007， 18（4）： 1-9.

[11]MENGB， XUE J， FENG K， et al. Chinas interregional spillover of carbon emissions and domestic supply chains [J]. Energy policy， 2013， 61： 1305-1321.

[12]潘安. 對外貿易、區域間貿易與碳排放轉移——基于中國地區投入產出表的研究[J]. 財經研究， 2017， 43（11）： 57-69.

[13]王安靜， 馮宗憲， 孟渤. 中國30省份的碳排放測算以及碳轉移研究[J]. 數量經濟技術經濟研究， 2017（8）： 89-104.

[14]陳紅敏. 包含工業生產過程碳排放的產業部門隱含碳研究[J]. 中國人口·資源與環境， 2009（3）： 25-30.

[15]徐盈之， 胡永舜. 中國制造業部門碳排放的差異分析——基于投入產出模型的分解研究[J]. 軟科學， 2011， 25（4）： 69-75.

[16]楊順順. 中國工業部門碳排放轉移評價及預測研究[J]. 中國工業經濟， 2015（6）： 55-67.

[17]GUOJ， ZHANG Z， MENG L. Chinas provincial CO2 emissions embodied in international and interprovincial trade [J]. Energy policy， 2012， 42（C）： 486-497.

[18]張為付， 李逢春， 胡雅蓓. 中國CO2排放的省際轉移與減排責任度量研究[J]. 中國工業經濟， 2014（3）： 57-69.

[19]孫立成， 蔣玲玲， 張濟建. 產業間碳排放轉移結構分解及演變特征研究[J]. 商業研究， 2018（2）： 55-60.

[20]MONTRESORS， MARZETTI G V. Applying social network analysis to inputoutput based innovation matrices： an illustrative application to six OECD technological systems for the middle 1990s [J]. Economic systems research， 2009， 21（2）： 129-149.

[21]LEONCINIR， MONTRESOR S. Technological systems and intersectoral innovation flows [M]. London： Edward Elgal Publishing Limited， 2003.

[22]LEONCINIR， MONTRESOR S. Network analysis of eight technological systems [J]. International review of applied economics， 2000， 14（2）： 213-234.

[23]FREEMANL C. Centrality in social networks conceptual clarification [J]. Social networks， 1978， 1（3）： 215-239.

[24]劉軍. 整體網分析[M]. 上海： 格致出版社， 2014： 126-136.

[25]劉華軍， 劉傳明. 環境污染空間溢出的網絡結構及其解釋——基于1997—2013年中國省際數據的經驗考察[J]. 經濟與管理評論， 2017， 33（1）： 57-64.

[26]BECKN， KATZ J N. What to do （and not to do） with timeseries crosssection data [J]. American political science review， 1995， 89（3）： 634-647.

[27]王棟， 潘文卿， 劉慶， 等. 中國產業CO2排放的因素分解： 基于LMDI模型[J]. 系統工程理論與實踐， 2012， 32（6）： 1193-1203.

[28]王岳平， 葛岳靜. 我國產業結構的投入產出關聯特征分析[J]. 管理世界， 2007（2）： 61-68.

[29]GIRVANM， NEWMAN M E J. Community structure in social and biological networks [J]. Proceedings of the national academy of sciences of the United States of America， 2002， 99（12）： 7821-7826.