中國工業CO2排放的行業間傳導網絡及協同減排

劉華軍++劉傳明++陳明華

關鍵詞工業CO2排放；行業間傳導；Granger因果檢驗；SNA；協同減排

中圖分類號F205；F424 文獻標識碼A文章編號1002-2104（2016）04-0090-10doi：10.3969/j.issn.1002-2104.2016.04.012

人類已經進入了第四次工業革命—“綠色工業革命”時代。作為中國GDP的最大貢獻者，工業成為能源消費和CO2排放最主要的部門。改革開放以來，中國工業GDP保持了年均11.5%的高速增長，中國已經成為世界第一制造大國。然而以“高投入、高消耗、高排放”為特征的粗放型工業發展模式卻給中國經濟的持續健康發展帶來嚴峻的資源環境壓力，因此，工業部門的節能減排將成為有效破解資源環境瓶頸制約并最終實現綠色發展的關鍵，綠色發展成為實現工業強國的唯一出路。當前，中國已經向世界做出碳減排承諾，中國CO2排放將在2030年左右達到峰值。然而，節能減排目標的實現不僅需要發揮各地區的協同效應，而且要更加注重工業內部不同行業間的協同效應。不同行業的CO2排放不僅存在顯著差異，而且行業間的關聯關系也日趨緊密[1-3]。因此，本文要回答的問題是：既然CO2排放在行業間存在一定的聯系，那么如何識別行業間CO2排放的交互影響關系？多個行業間的CO2排放聯系將構成復雜的聯動結構形態，如何科學揭示這種聯動結構的特征？換言之，我們要探尋哪些行業在CO2排放聯動結構中扮演主動或先行角色，而又有哪些行業處于被動或從屬地位？更進一步地，如何利用這種復雜的聯動結構構建跨行業協同減排機制并最終實現節能減排目標？上述問題的回答對于跨行業協同減排機制的構建具有重要理論意義和參考價值。

從近期的研究進展看，大量文獻采用探索性空間數據分析從地區層面考察CO2排放的空間相關和空間集聚特征[4-7]，少量文獻考察了工業CO2排放的行業間差異、收斂特征及影響因素問題[8-13]。已有文獻對行業CO2排放問題的研究具有一定的參考價值，然而卻仍存在局限，一是采用探索性空間數據分析僅從區域層面刻畫了CO2排放的空間相關和空間集聚特征，卻沒有考慮到行業間CO2排放的關聯效應。二是已有對行業碳排放問題的研究，只是揭示了CO2排放的差異、收斂以及影響因素問題，而忽視了工業CO2排放的行業間傳導關系。三是已有文獻均基于CO2排放的“屬性數據”（碳排放量）進行的經驗考察，但并未從“關系數據”的角度揭示各行業之間的聯動結構，而結構往往決定于屬性數據的表現，更具分析價值。

在已有研究的基礎上，本文基于時間序列分析方法，利用1991-2012年中國工業36個兩位數行業的CO2排放強度數據，在向量自回歸模型（Vector Auto Regression， VAR）框架下利用Granger因果檢驗方法對中國工業碳排放的行業間傳導關系進行有效識別，并首次借助于社會網絡分析方法（Social Network Analysis， SNA）揭示工業碳排放的行業間傳導網絡的整體和個體結構特征，在此基礎上提出工業碳排放的跨行業協同減排思路。

劉華軍等：中國工業CO2排放的行業間傳導網絡及協同減排中國人口·資源與環境2016年第4期1行業CO2排放的傳導機制及其識別方法

1.1工業CO2排放的行業間傳導機制

工業CO2排放的行業間傳導是指不同行業的碳排放通過直接或間接的形式進行交流，并由此產生的行業間交互影響關系。工業各行業間存在著普遍的關聯關系，這種關聯關系包括前向聯系和后向聯系。其中，前向聯系是指一個部門和吸收它產出的部門之間的聯系，后向聯系是指一個行業和向它提供投入要素的部門之間的聯系。行業間關聯關系的形成主要由上游向下游的供給型驅動機制、由下游向上游的需求型驅動機制而形成。此外，行業間在市場機制的作用下存在的競爭也是產生CO2排放行業間傳導的重要因素。

（1）從上游向下游的供給驅動型機制。在工業產業鏈條中上游行業的能源需求變化不僅會影響該行業自身的能源消費和CO2排放，而且還通過上游對下游的后向聯系影響下游行業的CO2排放。某一行業能源價格的變化，將直接影響產業鏈上游某一行業的生產成本，使該行業生產的產品的供求關系發生變化，進而影響產業鏈下游行業投入品的需求，從而對該行業能源消費水平產生影響，進而導致該行業CO2排放的變化，隨著這種信息逐級向下游傳遞，最終會影響產業鏈內所有行業的CO2排放。此外，上游行業推廣的某項節能技術會通過行業間的前后向聯系對下游行業進行技術溢出，從而對下游行業的CO2排放量產生影響。例如，某一行業節能技術的引入，導致該行業能源消費水平下降、CO2排放減少，在攀比效應的作用下與該行業關聯性強的下游行業為了降低成本，積極引入該節能技術導致該行業的能源消費水平降低、CO2排放減少。

（2）從下游到上游的需求驅動型機制。下游行業對能源需求量的擴大和縮小不僅會影響該行業的能源消費和CO2排放，而且會直接影響上游行業的能源消費和CO2排放。首先，下游行業為了維持其正常的生產經營活動，必然對上游行業生產的中間產品產生需求，而中間產品在生產的過程中對化石能源的消費將直接影響使用該中間產品的下游行業的CO2排放。因為下游行業對中間產品需求的擴大和縮小，會導致上游行業必須提供與其需求量相等的中間產品，這就倒逼著上游行業調整中間產品的生產規模以適應下游行業對于中間產品的需求，這種生產規模的擴大和縮小會直接影響該行業對能源的消費以及CO2排放數量。其次，當下游的能源價格發生變化時，必然會對上游投入品的成本產生影響，成本作為價格的組成部分，通過價格傳導機制將碳排放信息傳導至整個產業鏈，從而使工業各行業之間CO2排放存在普遍的關聯關系。

（3）行業間競爭驅動機制。由于工業各行業之間存在著競爭，這種競爭不僅體現在生產成本上而且體現在節能技術上，如果某個行業通過生產技術和節能技術的革新率先降低了CO2排放量，從而降低了該行業的治污成本和生產成本，由于工業各行業間的這種競爭效應，使得其他產業紛紛效仿，從而降低了整個產業鏈的CO2排放量。因此，某個行業CO2排放的升高和降低總會對產業鏈中的其他行業的CO2排放量產生影響。

1.2工業CO2排放的行業間傳導關系識別

現有研究中關系的識別主要采用引力模型[14-17]和VAR Granger因果檢驗方法[18-20]。Granger因果檢驗用來回答一個時間序列的歷史信息是否能夠增強對另一個時間序列當期值的預測能力[21]，該方法能夠從時間序列角度揭示行業CO2排放之間的交互影響關系。但是，需要強調的是，Granger因果關系檢驗中的“因果”概念更多地是基于統計學而非基于傳統哲學意義的，實際檢驗的是一個變量是否在時間上“領先”于另一個變量。Granger因果關系檢驗可以在向量自回歸模型（VAR）框架下進行。考慮兩個行業的CO2排放時間序列分別為{Xt}{Yt}，為了檢驗兩個行業之間CO2排放是否存在Granger因果關系，我們構造下面兩個VAR模型：

在上述模型中，αj、βj、γj（j=1，2）為待估參數，{εj，t}（j=1，2）為殘差項，滿足{εj，t}～ N（0，1）。m、n、p、q為自回歸項的滯后階數。在VAR模型框架下，通過對自回歸項系數的聯合顯著性檢驗進而對變量間的Granger因果關系進行檢驗。模型（1）用來檢驗序列{Yt}是否是序列{Xt}的Granger原因，即如果模型（1）中原假設H0：γ1，1=γ1，2=...=γ1，n=0被拒絕，則意味著序列{Yt}是序列{Xt}的Granger原因，在Granger意義上，此時{Yt}的歷史信息有助于解釋{Xt}，即{Yt}“領先”于{Xt}，傳導關系可以表示為“{Yt}→{Xt}”。同理，模型（2）用來檢驗序列{Xt}是否是序列{Yt}的Granger原因，即如果模型（2）中虛擬假設H0：γ2，1=γ2，2=…=γ2，q=0被拒絕，則意味著序列{Xt}是序列{Yt}的Granger原因，在Granger意義上，此時{Xt}的歷史值有助于解釋{Yt}，即{Xt} “領先”于{Yt}，兩個行業CO2排放的傳導關系為“{Xt}→{Yt}”。若上述兩個模型中的原假設均被拒絕，則表明序列{Xt}和序列{Yt}之間存在雙向Granger因果關系，兩個行業碳排放的傳導可以表示為“{Xt}{Yt}”。最后需要指出，上述檢驗適用于平穩序列，本文以PP單位根檢驗方法對時間序列進行平穩性檢驗，結果顯示36個行業的CO2強度序列均為I（1）序列，故對原始序列進行差分處理。出于穩健性的考慮，分別將1-6期作為滯后階數對36個行業的碳排放進行Granger 因果檢驗，以5%作為顯著性檢驗標準，若X和Y兩個行業CO2排放之間的傳導關系通過了顯著性檢驗，則X是Y的Granger原因，在網絡中畫出X指向Y的箭頭，表明X行業的CO2排放有助于解釋Y行業的CO2排放，依此方法可以構建工業CO2排放的行業間傳導網絡。

1.3網絡結構特征的刻畫—社會網絡分析方法

社會網絡分析以“關系”作為基本分析單位，采用圖論工具、代數模型技術描述關系模式并探究這些關系模式對結構中成員的影響，是一種針對“關系數據”的跨學科分析方法，其應用領域不斷從社會學向經濟學、管理學等領域拓展逐漸成為一種新的研究范式[22]。在社會網絡分析中，通常采用網絡密度、網絡關聯度、網絡效率、網絡等級度等指標刻畫整體網絡結構特征；采用度數中心度、中介中心度、接近中心度等指標刻畫個體網絡結構特征。

2樣本數據與典型化事實

2.1樣本數據

（1）樣本選擇。本文樣本選取1991-2012年36個工業兩位數行業（為了行文方便，我們對行業進行編號，括號內為行業編號）。分別是：①煤炭開采和洗選業、②石油和天然氣開采業、③黑色金屬礦采選業、④有色金屬礦采選業、⑤非金屬礦采選業、⑥農副食品加工業、⑦食品制造業、⑧飲料制造業、⑨煙草加工業、⑩紡織業、服裝業、皮革毛皮羽毛制品業、木材加工業、家具制造業、造紙及紙制品業、印刷業、文教體育用品制造業、石油加工及煉焦業、化學原料及化學制品制造業、醫藥制造業、化學纖維制造業、橡膠制品業、塑料制品業、非金屬礦物制品業、黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業、金屬制品業、通用設備制造業、專用設備制造業、交通運輸設備制造業、電氣機械及器材制造業、計算機、電子與通信設備制造業、儀器儀表及文化辦公用機械制造業、電力熱力的生產和供應業、燃氣生產和供應業、水的生產和供應業。

（2）CO2排放的測算。工業是碳排放的主要部門，而化石能源的燃燒又是碳排放的主要來源。本文選擇工業分行業中煤炭、原油、天然氣三種一次化石能源消費的實物量來估算中國工業分行業的CO2排放量。根據聯合國政府間氣候變化專門委員會（International Panel on Climate Change，IPCC）提供的CO2排放量的測算方法，并依據有效CO2的排放系數和三大化石燃料的碳元素含量，按（3）式進行估算：

CO2=∑31i=1CO2i=∑31i=1Qi×NCVi×CEFi（3）

式（3）中CO2為二氧化碳排放量，i表示化石燃料，本文選取煤炭、原油、天然氣三種一次化石能源，Q表示3種化石燃料的實物消耗量，NCV為平均低位發熱量，CEF為有效碳排放系數。煤炭、原油和天然氣的平均低位發熱量分別為20 908 KJ/Kg、41 816 KJ/Kg、38 931 KJ/m3；煤炭、原油和天然氣的有效碳排放系數分別為95 333 Kg/TJ、73 300 Kg/TJ和56 100 Kg/TJ。本文所采用的工業36個兩位數行業的一次能源消費數據均來自于《中國能源統計年鑒》和《中國統計年鑒》。其中1991-1992年食品、飲料和煙草制造業主要涵蓋了農副食品業、食品制造業、飲料業、煙草業四個中類，機械、電氣、電子設備制造業則主要包括通用設備制造業、專用設備制造業和計算機、電子與通信設備制造業三個中類，本文根據1993年的構成比例將食品、飲料和煙草制造業、機械、電氣、電子設備制造業所消費的煤炭、原油、天然氣實物量拆分到各個分行業中。1991-1992年《中國統計年鑒》和《中國能源統計年鑒》均未報告交通運輸設備制造業、電氣機械及器材制造業、儀器儀表制造業一次能源消費狀況，本文根據1993-1995年三類行業的兩年平均增長率分別估算其各行業煤炭、原油、天然氣的實物量。2012年橡膠和塑料制品業的能源消費量以2011年橡膠業和制造業的構成比例將其拆分。

（3）工業增加值。我們采用CO2排放強度指標來衡量各行業CO2排放情況，CO2排放強度等于行業碳排放總量除以行業工業增加值。各行業工業增加值，本文參考了陳詩一[12]的方法，測算了1990=100的36個工業兩位數行業1991-2012年工業增加值，其中2009-2012年工業增加值數據是在陳詩一的基礎上根據國家統計局公布的2009-2012年工業分行業的累計增長率推算得出。

2.2典型化事實

由于工業各行業CO2排放存在較大差別，本文以1991-2012年工業各行業CO2排放強度的均值為衡量標準來判斷各行業的碳排放程度。表1根據CO2排放強度均值的大小對工業36個行業進行排序，將排名1-12的行業確定為輕度排放組，排名13-24的行業為中度排放組，排名24-36的為重度排放組，以考察三種排放類別的CO2排放差異。

根據圖1，三類排放組的CO2排放強度均呈現出逐年下降的態勢。從數值大小看，樣本考察期內重度排放組行業的CO2排放強度遠遠高于中度排放組和輕度排放組，這說明工業各行業碳強度之間存在顯著差異。從演變趨勢看，重度排放組CO2排放強度在1991-1995年呈現出迅速上升的態勢，并在1995年達到最大值，1995-2012年CO2排放強度呈現出逐年下降態勢。樣本考察期內輕度和中度排放組的CO2排放強度呈現出逐年下降趨勢，但是下降的速度要小于重度排放組，這說明《新能源和可再生能源發展綱要》發布之后，我國高排放行業的節能減排取得了顯著成效。從演變過程看，樣本考察期內輕度、中度、重度排放組的CO2排放強度雖然在逐漸縮小，但是不同行業之間的CO2排放強度的差異卻始終存在，這種差異增強了行業之間CO2排放的聯系。

intensity煙草加工業10.4411通用設備制造業11.6201農副食品加工業13.855文教體育用品制造業10.5071水的生產和供應業11.6871有色金屬冶煉及壓延加工業15.467計算機、電子與通信設備制造業10.5231有色金屬礦采選業11.8491電力熱力生產和供應業15.574儀器儀表制造業10.5431專用設備制造業12.0611食品制造業16.993電氣機械及器材制造業10.5831醫藥制造業12.7041石油加工及煉焦業19.420服裝業10.6011化學纖維制造業12.7301造紙及紙制品業19.547印刷業10.7101黑色金屬礦采選業12.9271黑色金屬冶煉及壓延加工業110.243家具制造業10.9031非金屬礦采選業13.0731石油開采業113.579皮羽制品業11.0451紡織業13.2661化學原料及化學制品制造業114.183塑料制品業11.0831飲料制造業13.2781煤炭采選業115.742金屬制品業11.1891木材加工業13.5061非金屬礦物制品業123.167交通運輸設備制造業11.3491橡膠制品業13.7631燃氣生產和供應業127.283

3工業CO2排放的行業間傳導網絡結構特征

3.1行業間傳導網絡可視化

本文根據Granger因果檢驗識別了工業CO2排放的行業間傳導關系并構建行業間聯動網絡。為了展示工業CO2排放的行業間聯動網絡的網絡結構形態，我們利用UCINET6.0中可視化工具Netdraw繪制了工業CO2排放的行業間傳導網絡圖，如圖2所示。根據圖2，工業CO2排放的行業間傳導關系呈現出復雜的、多線程的聯動網絡結構形態。為了揭示聯動網絡結構的特征，我們采用社會網絡分析方法（SNA）對工業CO2排放的行業間聯動網絡的特征進行分析。本文選擇社會網絡分析方法乃是出于以下三方面的考慮：一是SNA對于分析多節點的交互影響關系具有明顯優勢，本文所選擇的36個兩位數行業作為樣本點符合SNA方法的要求。二是SNA具有強大的分析工具，除了整體網絡結構和個體網絡結構特征指標外，還可以通過塊模型分析，揭示各節點在網絡中的角色和位置。三是SNA是一種針對“關系數據”的分析方法，而Granger因果檢驗所得到的行業間的聯動關系正是“關系數據”。

3.2行業間傳導網絡的時滯分析

本文在VAR模型框架下分別以1-6階為滯后階數對36個行業的CO2排放強度進行Granger因果檢驗，并根據Granger因果檢驗的結果構建不同滯后階數下的行業間傳導網絡。圖3描述了不同滯后階數下網絡密度的演變趨勢。可以發現，滯后1-2階網絡密度呈上升態勢，行業間CO2排放的聯系逐漸加強。隨著時滯的延長，網絡密度則呈逐年下降趨勢。滯后1-6階中，網絡密度最高的為0.141（滯后2階），明顯高于其他滯后期，這表明行業間CO2排放的溢出集中在1-2階。在滯后2階以后，行業間的關聯關系逐漸減弱且在第5階降到最低，網絡密度僅圖2工業CO2排放的行業間傳導網絡

為0.045。網絡密度大幅度的提高和小幅度的回升分別發生在滯后1-2階和滯后5-6階，分別上升了36.1%和10.6%。在滯后2-5階時經過一次大幅度的下降，網絡密度下降了67.8%，說明在該滯后期內行業間CO2排放的關聯關系大幅減少，且行業間的傳導關系衰減較快，下面以滯后2期為例說明傳導網絡的結構特征。

3.3整體網絡特征分析

（1）網絡密度。36個行業構成了工業CO2排放行業間傳導網絡的網絡節點，36個行業之間最大可能的關系數為1260個，經過Granger因果檢驗確定實際存在的關系數為177個，網絡密度為0.141。與其他滯后期相比，盡管在2階滯后的情況下行業CO2排放之間的傳導關系最多，但是從具體數值上來看各行業CO2排放之間的緊密程度并不是很高，這為行業間協同減排提供了重要機遇，因為較低的網絡密度意味著網絡有較少的冗余連線，這就提高了行業間節能減排的效率，節約了節能減排的交易費用和交易成本。所以維持合適的網絡密度對跨行業節能機制的建立是必要的也是可行的。

（2）網絡關聯性。中國工業CO2排放的行業間傳導網絡的網絡關聯度為1，說明工業CO2排放行業間傳導網絡的關聯程度很高，各行業之間CO2排放的聯系非常密切，網絡的通達性較好。網絡效率為0.782，意味著工業CO2排放的行業間傳導網絡存在著多重疊加現象，網絡中現有的網絡關聯關系足以維持行業間傳導網絡的穩定性。網絡等級度為0.256，說明工業CO2排放的行業間溢出關系存在“等級森嚴”的結構，CO2排放在不同排放類型的行業之間均存在溢出的可能。

3.4個體網絡特征分析

（1）度數中心度。根據表2，度數中心度排名前五位的行業從高到低依次是電力熱力生產和供應業、燃氣生產和供應業、木材加工業、造紙及紙制品業、服裝業，這些行業在工業CO2排放的行業間傳導網絡中與其他行業的關系數較多，其中電力熱力生產和供應業的度數中心度最高達54.286，原因在于電力熱力生產和供應業與其他行業具有較強的前后向聯系，在行業關聯網絡中處于中心地位。度數中心度排名后5位行業的分別是煙草加工業、交通運輸設備制造業、有色金屬礦采選業、家具制造業、儀器儀表制造業，這些行業在工業CO2排放的行業間傳導網絡中關系數較少，原因可能是這些行業自身的CO2排放強度較小，從而使這些行業對其他行業的影響較弱，此外，36個行業點出度的均值為4.916，點出度大于均值的包括通用設備制造業、專用設備制造業、燃氣生產和供應業等16個行業，這些行業對其他行業有較多的CO2排放溢出。點入度的均值為4.916，電力熱力生產和供應業、燃氣生產和供應業、造紙及紙制品業等15個行業的點入度不僅高于點入度的平均值，而且還高于該行業自身的點出度，這說明這些行業受其他行業CO2排放強度的溢出較多。

（3）接近中心度。根據表2，各行業接近中心度的均值為54.179，高于這一均值的有20個行業，從高到低依次是電力熱力生產和供應業、燃氣生產和供應業、服裝業、造紙及紙制品業、木材加工業、計算機·電子與通信設備制造業、食品制造業、橡膠制品業、醫藥制造業、農副食品加工業、紡織業、文教體育用品制造業、石油加工及煉焦業、化學原料及化學制品制造業、通用設備制造業、煤炭采選業、有色金屬冶煉及壓延加工業、專用設備制造業、電氣機械及器材制造業、飲料制造業。較高的接近中心度意味著這些行業在工業CO2排放的行業間傳導網絡中能夠快速的通過產業間的前后向聯系與其他行業產生關聯。

（4）塊模型分析。本文通過塊模型分析揭示36個行業在工業CO2排放行業間傳導網絡中的聚類特征。采用CONCOR方法，選擇最大分割深度為2，集中標準為0.2，將36個行業劃分為四個板塊，劃分結果如表3所示。其中，屬于第I板塊的成員有10個，分別是煤炭采選業、儀器儀表制造業、黑色金屬礦采選業、有色金屬礦采選業、水的生產和供應業、紡織業、印刷業、有色金屬冶煉及壓延加工業、橡膠制品業、交通運輸設備制造業，這些行業主要屬于中度排放組。屬于第II板塊的成員有9個，分別是醫藥制造業、石油和天然氣開采業、飲料制造業、木材加工業、

下面進一步通過塊模型分析揭示四個板塊在CO2排放行業間傳導網絡中的位置及板塊之間的溢出關系（表3）。Granger因果檢驗的結果顯示在CO2排放的行業間傳導網絡中存在177個關聯關系，而各板塊內部之的關聯關系僅有21個，板塊之間的關聯關系有156個，說明板塊之間CO2排放的傳導存在著明顯的溢出特征。其中，第I板塊的溢出關系有27個，板塊內部的關系有1個，接受其他板塊溢出的關系有46個；期望內部比例為26%，實際的內部關系比例為4%，因此第I板塊為“經紀人”板塊，該板塊既對其他板塊發送關系，也接受來自外部成員的聯系，但是內部成員之間的聯系比較少，在工業CO2排放的行業間傳導網絡中扮演著“中介”與“橋梁”作用。第II板塊的溢出關系有26個，板塊內部的關系有11個，接受其他板塊溢出的關系有68個；期望內部比例為23%，實際的內部關系比例為42%，因此第II板塊為“凈受益”板塊。第III板塊的溢出關系有75個，板塊內部的關系有5個，接受其他板塊溢出的關系有17個；期望內部比例為29%，實際的內部關系比例為7%，因此第III板塊為“雙向溢出板塊”。

第IV板塊的溢出關系有49個，板塊內部的關系有4個，接受其他板塊溢出的關系有25個；期望內部比例為14%，實際的內部關系比例為8%，因此第IV板塊為“凈溢出”板塊。

根據CO2排放傳導關系在板塊之間的分布，可以計算各個板塊的網絡密度矩陣，以反映CO2排放傳導關系在各板塊間的分布情況。工業CO2排放行業間傳導網絡的整體網絡密度為0.140，如果板塊的網絡密度高于0.140即板塊內部的網絡密度大于傳導網絡的整體網絡密度，表明CO2排放更加集中于該板塊中的行業。我們通過將板塊網絡密度大于整體網絡密度的情形賦值為1，板塊網絡密度小于整體網絡密度的情形賦值為0，可以將密度矩陣轉化為像矩陣，像矩陣可以十分清晰的顯示出各板塊的傳導效應，密度矩陣和像矩陣具體如表4所示。

圖4比較直觀的展示了四大板塊CO2排放的傳導關系，第I板塊既接收來自第III板塊和第IV板塊的溢出，又向第II板塊和第IV板塊發出CO2排放的溢出關系，這說明屬于中度排放組的行業在工業CO2排放的行業間傳導網絡中扮演者“經紀人”角色，控制著輕度排放組行業和重度排放組行業的能力較強。第II板塊不僅自身內部存在碳排放的傳導關系，而且還接收著來自第I板塊、第III板塊、第IV板塊的溢出，這說明重度排放組行業不僅自身的CO2排放量較大，而且還主要受到其他板塊行業CO2排放溢出的影響，在CO2排放的行業間傳導網絡中扮演著“凈受益”角色。第III板塊對第I板塊和第II板塊存在著CO2排放溢出，這說明輕度污染組的行業，受到來自中度、重度排放組行業的CO2排放溢出。此外，第IV板塊對第I板塊、第II板塊和第III板塊都存在CO2排放的溢出關系，而僅接收來自第I板塊的溢出，這說明在CO2排放的行業間傳導網絡中板塊IV中的行業在生產中對化石燃料的需求量較大，扮演著“凈溢出”角色。

4結論與政策建議

4.1研究結論

本文基于1991-2012年中國工業36個兩位數行業的CO2排放強度數據，運用Granger因果檢驗方法對工業CO2排放的行業間傳導關系進行識別，在此基礎上，運用社會網絡分析方法實證考察了工業CO2排放的行業間傳導網絡的網絡結構特征。主要的研究結論如下：從整體網絡特征看，工業CO2排放的行業間傳導呈網絡結構形態，行業間CO2排放的聯系非常密切，網絡的通達性較好，CO2排放的溢出效應十分明顯；網絡效率為0.782，意味著CO2排放的行業間傳導網絡存在著多重疊加現象，網絡具有較強的穩定性。CO2排放的行業間溢出關系存在“等級森嚴”的結構，不同排放類型的行業之間均存在CO2排放溢出的可能。從個體網絡特征看，燃氣生產和供應業、電力熱力生產和供應業、服裝業、造紙及紙制品業、木材加工業具有較高的度數中心度、中介中心度、接近中心度，這些行業在網絡中處于核心位置，并發揮著橋梁和中介作用。從塊模型分析看，煤炭采選業、黑色金屬礦采選業、有色金屬礦采選業等10個行業屬于經紀人板塊，醫藥制造業、飲料制造業、化學纖維制造業等9個行業屬于凈受益板塊，金屬制品業、塑料制品業、農副食品加工業等11個行業屬于雙向溢出板塊，石油加工及煉焦業和燃氣生產和供應業等6個行業屬于凈溢出板塊。

4.2政策建議

（1）充分認識工業CO2排放的行業間傳導關系及其聯動網絡結構，創新節能減排思路，實現節能政策的有效轉向。由于各行業在產業鏈中存在前后向聯系，一個行業的CO2排放不僅受到該行業自身能源消費水平的影響，而且還受到產業鏈上下游行業的影響，各行業的CO2排放逐步呈現出復雜的聯動網絡結構形態。因此，要充分發揮市場機制在資源配置中的決定性作用，同時要發揮政府宏觀調控的作用，為跨行業協同減排創造有利條件。從屬性數據的角度看，CO2排放的行業間傳導網絡中，CO2排放強度最高的5個行業依次是煤炭采選業、化學原料及化學制品制造業、燃氣生產和供應業、石油開采業、非金屬礦物制品業，節能減排的過程中這些行業無疑是減排的重點行業，而從關系的視角看，關聯關系總數較多的5個行業依次是燃氣生產和供應業、電力熱力的生產和供應業、服裝業、造紙及紙制品業、紡織業。為了順利完成工業節能減排的任務，行業協同減排政策的制定和實施過程中既要考慮屬性數據的表現，也要更加注重行業間的傳導效應，逐步形成“量-關系”雙輪驅動型的減排思路，推動節能減排政策從單個行業擴展到多個行業，從局部擴展到全局。

（2）充分發揮個體網絡結構對跨行業協同減排機制的積極作用。對于度數中心度較大的電力熱力生產和供應業、燃氣生產和供應業、木材加工業、造紙及紙制品業、服裝業，在跨行業節能減排過程中要對這些行業進行定向調控和精準調控，既要降低這些行業自身的CO2排放強度，又要通過產業鏈的前后向聯系降低與之關聯行業的CO2排放。中介中心度較高的燃氣生產和供應業、電力熱力生產和供應業、服裝業、造紙及紙制品業、木材加工業，節能減排的過程中要利用這些行業的中介和橋梁作用，通過CO2排放的行業間傳導網絡將先進的減排技術擴散到網絡中其他行業。接近中心度較高的電力熱力生產和供應業、燃氣生產和供應業、服裝業、造紙及紙制品業、木材加工業等行業能夠快速的與其他行業產生內在的鏈接，在網絡中發揮中心行動者的作用，節能減排過程中要提高處于網絡核心位置行業的影響力，將減排信息擴散至其他邊緣行業，最終實現跨行業的協同減排。

（3）有效利用行業間聯動網絡的板塊結構特征，發揮板塊結構特征對行業節能減排的重要作用。行業間節能政策的制定不能采取一刀切，要充分發揮CO2排放在各板塊的聯動效應，針對各行業CO2排放的差異制定具有差異化的行業分類管理政策，以節約減排成本，提高減排的效率。煤炭采選業、黑色金屬礦采選業、有色金屬礦采選業等10個行業屬于“經紀人板塊”，要發揮這些行業的“中介人”作用，提高網絡的連通效果。醫藥制造業、飲料制造業、化學纖維制造業等行業屬于“凈受益板塊”，要對與該板塊產生關系的其他上下游行業重點加以控制。金屬制品業、塑料制品業、農副食品加工業等行業屬于“雙向溢出板塊”，因此既要對這些行業進行定向治理，著重削減該板塊行業的CO2排放量，還要依托產業鏈的前后向聯系，從關系的視角綜合治理。煙草加工業、石油加工及煉焦業、燃氣生產和供應業等行業屬于“凈溢出板塊”該板塊行業是碳排放的源頭，因此，對于該板塊行業要制定更為嚴格的減排措施。

（編輯：尹建中）

參考文獻（References）

[1]Javorcik B S. Does Foreign Direct Investment Increase the Productivity of Domestic Firms？ In Search of Spillovers Through Backward Linkages [J]. American Economic Review， 2004，94（3）： 605-627.

[2]Hale G， Long C. Are there Productivity Spillovers from Foreign Direct Investment in China？ [J]. Pacific Economic Review， 2011， 16（2）： 135-153.

[3]Wang Y. Exposure to FDI and New Plant Survival： Evidence in Canada [J].Canadian Journal of Economics/Revue Canadienne Déconomique， 2013， 46（1）： 46-77.

[4]付云鵬，馬樹才，宋琪.中國區域碳排放強度的空間計量分析 [J].統計研究，2015，（6）：67-73.[Fu Yunpeng，Ma Shucai，Song Qi. Spatial Econometric Analysis of Regional Carbon Intensity [J]. Statistical Research，2015，（6）：67-73]

[5]宋德勇，劉習平.中國省際碳排放空間分配研究 [J]. 中國人口·資源與環境，2013，（5）：7-13.[Song Deyong，Liu Xiping. Spatial Distribution of Provincial Carbon Emissions [J]. China Population， Resources and Environment，2013，（5）：7-13.]

[6]Padilla E， Duro J A. Explanatory Factors of CO2 Per Capita Emission Inequality in the European Union [J]. Energy Policy， 2013， 62： 1320-1328.

[7]Grunewald N， Jakob M， Mouratiadou I. Decomposing Inequality in CO2 Emissions： The Role of Primary Energy Carriers and Economic Sectors [J]. Ecological Economics， 2014， 100： 183-194.

[8]Aldy JE. Per Capita Carbon Dioxide Emission： Convergence or Divergence？ [J].Environmental and Resource Economics，2006，33（4）：533-555.

[9]Barassi M R， Cole M A. The Stochastic Convergence of CO2 Emissions： A Long Memory Approach [J]. Environmental and Resource Economics，2011，49（3）：367-385.

[10]李國志，李宗植. 中國二氧化碳排放的區域差異和影響因素研究 [J]. 中國人口·資源與環境，2010，（5）：22-27. [Li Guozhi，Li Zongzhi. Regional Difference and Influence Factors of Chinas Carbon Dioxide Emissions [J]. China Population， Resources and Environment，2010，（5）：22-27.]

[11]陳詩一. 中國工業分行業統計數據估算：1980-2008 [J].經濟學（季刊），2011，（4）：735-776. [Chen Shiyi. Reconstruction of Subindustrial Statistical Data in China （1980-2008） [J]. China Economic Quarterly，2011，（4）：735-776.]

[12]Perkins D. Reforming Chinas Economic System [J].Journal of Economic Literature， 1988， 26（2）：601-645.

[13]Rawski T. What Is Happening to Chinas GDP Statistics？ [J].China Economics Review， 2001， 12（4）： 347-354.

[14]冷炳榮，楊永春. 中國城市經濟網絡結構空間特征及其復雜性分析 [J]. 地理學報，2011，（2）：199-211. [Leng Bingrong，Yang Yongchun. Spatial Characteristics and Complex Analysis a Perspective from Basic Activities of Urban Networks in China [J]. Acta Geographica Sinica，2011，（2）：199-211.]

[15]湯放華，湯慧，孫倩等長江中游城市集群經濟網絡結構分析[J].地理學報，2013，（10）：1357-1366.[Tang Fanghua， Tang Hui， Sun Qian， et al. Analysis of the Economic Network Structure of Urban Agglomerations in Middle Yangtze River [J]. Acta Geographica Sinica ，2013，（10）：1357-1366.]

[16]劉華軍，劉傳明，孫亞男.中國能源消費的空間關聯網絡結構特征及其效應研究[J].中國工業經濟，2015，（5）：83-95.[Liu Huajun， Liu Chuanming， Sun Yanan. Spatial Correlation Networks Structure of Energy Consumption and Its Effect in China[J]. China Industrial Economics， 2015，（5）：83-95.]

[17]劉華軍，劉傳明，楊騫.環境污染的空間溢出及其來源：基于網絡分析視角的實證研究[J].經濟學家，2015，（10）：28-35.[Liu Huajun， Liu Chuanming， Yang Qian. Spatial Spillover of Environmental Pollution and Its Source[J]. Economist，2015，（10）：28-35.]

[18]李敬，陳澍，萬廣華. 中國區域經濟增長的空間關聯及其解釋：基于網絡分析方法 [J]. 經濟研究，2014，（11）：4-16. [Li Jing， Chen Shu， Wan Guanghua. Study on the Spatial Correlation and Explanation of Regional Economic Growth in China [J].Economic Research Journal， 2014， （11）： 4-16.]

[19]劉華軍，張耀，孫亞男.中國區域發展的空間網絡結構及其時滯變化—基于DLI指數的分析[J].中國人口科學，2015，（4）：60-71.[Liu Huajun， Zhang Yao， Sun Yanan. The Spatial Network Structure of Chinas Regional Development and its Transmission Lags Based on Development and Life Index （DLI） [J]. Chinese Journal of Population Science， 2015，（4）：60-71.]

[20]劉華軍，張耀，孫亞男.中國區域發展的空間網絡結構及其影響因素：基于2000-2013年省際地區發展與民生指數[J]. 經濟評論，2015，（5）：59-69.[Liu Huajun， Zhang Yao， Sun Yanan. The Spatial Network Structure of Chinas Regional Development and Its Determinants[J]. Economic Review， 2015，（5）：59-69.]

[21]Granger C W J. Testing for Causality： A Personal Viewpoint [J]. Journal of Economic Dynamics and Control， 1980， （2）：329-352.

[22]Scott J. Social Network Analysis [M]. London： Sage Publication， 2013.