中國碳排放的空間關聯及其解釋

張德鋼+陸遠權

摘要：利用社會網絡分析方法（SNA）全新解構了碳排放的空間關聯特征，并基于QAP技術揭示了碳排放空間關聯的主要影響因素。研究發現：碳排放呈現出復雜的多線程空間網絡關聯關系。上海、天津、江蘇、浙江、廣東和福建等東部發達地區的省份處于網絡的中心地位，接收了較多的關聯關系，甘肅、青海、新疆和貴州等西部欠發達地區省份發送了較多的關聯關系，其他省份則主要起到了“傳輸”和“橋梁”的作用。碳排放可以劃分為“雙向溢出”“凈受益”“凈溢出”以及“經紀人”四個功能板塊。地理因素、地區間經濟發展差異以及環境規制差異對碳排放空間關聯具有顯著正向影響。

關鍵詞：碳排放；空間關聯；社會網絡分析；QAP

DOI：10.13956/j.ss.1001-8409.2017.04.04

中圖分類號：F124.5 文獻標識碼：A 文章編號：1001-8409（2017）04-0015-04

Abstract： This paper depicts the characteristics of spatial correlation of provincial carbon emission in china by using social network analysis and studies the influence factors of spatial correlation based on QAP. Results showed that， the spatial correlation of carbon emission has structural features of complex and multithreading spatial network. Shanghai， Tianjin， Jiangsu， Zhejiang， Guangdong， Fujian and some other eastern developed provinces are in the centre position of the network， and receive more correlation relationships， Gansu， Qinghai， Xinjiang， Guizhou and some other western underdeveloped provinces send more correlation relationships， the other provinces mainly play the role of ‘transfer and ‘bridge. The carbon emission can be divided four plats constituted by ‘bidirectional spillover plate， ‘net benefit plate， ‘net spillover plate and ‘broker plate. Geographical factors， regional disparity of economic development and environment regulation have significant positive influence on spatial correlation relationships carbon emission.

Key words：carbon emission； spatial correlation； social network analysis； QAP

據國際能源署的最新數據顯示，2015年全球與能源相關的碳排放總量約為321億噸，其中30%左右的碳排放在中國產生，中國的碳排放已經超過了美歐之和。值得注意的是，在關注中國碳排放總量的同時，也應看到中國的碳排放在區域間的分布并不均衡。2014年，在與能源消費相關的碳排放中，山東的碳排放總量最高，是排名最末位海南的26倍，而寧夏的碳排放強度最大，是排名最末位北京的16倍。碳排放在區域間的巨大差異導致在制定減排政策和分配減排任務時必然存在地區間的利益沖突，一個地區的減排目標能否實現，不僅取決于自身因素，還會受制于其他地區的影響，能否有效控制碳排放越來越依賴于地區間的協調配合。事實上，眾多文獻研究也證實碳排放在各地區并非獨立存在，而是存在一定的空間關聯。肖黎姍指出省際碳排放具有正的空間自相關性，在局部地區呈現出高值的聚集特征[1]。林伯強認為中國碳排放存在“俱樂部收斂”和“梯度”分布特征[2]。蘇泳嫻基于DMSP/OLS數據發現碳排放的空間聚集越來越明顯，基本形成了“東部沿海城市高高集聚，西部欠發達城市低低集聚”

的格局[3]。楊騫進一步測算了中國碳排放的區域差異，結果顯示碳排放的區域差異主要來源于區域間經濟發展的差異[4]。肖雁飛認為區域間的碳排放轉移正在產業轉移經濟發展背后悄然發生，區域產業轉移帶來的“碳排放轉移”和“碳泄漏”問題越來越突出[5]。孫立成也發現中國碳排放存在區域間轉移，需要合理引導，并充分利用這種溢出效應促進區域經濟均衡發展[6]。顯然，這些文獻都在一定程度上揭示出了中國碳排放的空間關聯特征及其溢出效應。然而，已有研究大都基于地理鄰近的視角，只揭示了少量的空間關聯關系，而實際上中國省際碳排放可能是一種復雜的網絡結構，具有多線程的空間關聯關系。與已有研究不同，本文采用一種新的分析方法——社會網絡分析法（SNA），全新解構中國省際碳排放的空間關聯特征，并基于QAP技術揭示碳排放空間關聯的主要影響因素，有助于更加全面地認識中國碳排放的空間關聯特征，對于不同地區聯動參與碳排放治理具有重要意義。

1 方法與數據

1.1 中國碳排放空間關聯網絡構建

中國碳排放空間關聯網絡是各省份碳排放倆倆關聯關系的集合，各個省份為空間關聯網絡中的節點，如果兩個省份之間存在關聯關系，則可畫出一條帶有指向性的線將兩個節點連接起來，如此便可構成一張碳排放空間關聯的網絡圖。目前，刻畫空間關聯關系的方法主要有兩類：一類是基于VAR模型，采用Granger Causality檢驗方法，例如李敬[7]、劉華軍[8]等；另一類是基于引力模型或改進的引力模型，例如侯赟慧[9]、劉華軍[10]等。由于VAR模型對于時滯的選擇十分敏感，往往只適用于時間跨度較長的數據，且不能用于截面總量數據，無法揭示網絡結構的動態演進特征。因此，本文借鑒劉華軍[10]的做法，采用改進的引力模型來構建中國碳排放的空間關聯網絡，基本模型構建如下：

1.2.3 塊模型分析

塊模型分析是一種研究網絡位置模型的方法，最早由Boorman和White[12]提出，Smith和White[13] 、Cassi等 [14]曾用此方法研究過世界經濟體系。根據塊模型理論，第一步是對成員進行分區，即把各個成員分到各個位置之中。第二步是根據一些標準確定各個塊的取值，即各個塊是1-塊，還是0-塊。若以密度指標劃分區域，一般而言，可以用整體網絡密度作為劃分標準。Wasserman和Faust[15]開發了評價位置內部關系的指標體系（見表1），其中gk表示某個板塊中成員數目，g表示整個網絡中的成員數目。

1.3 數據說明

本文測算的碳排放來源于煤炭、天然氣、焦炭、燃料油、汽油、煤油和柴油燃燒產生的二氧化碳，參照聯合國政府間氣候變化專門委員會（IPCC）給出的碳排放折算方法進行測算。人口數量和GDP來源于《中國統計年鑒》。在利用式（1）構建1995～2014年的碳排放空間關聯關系矩陣時，為剔除價格因素，采用各省份1995年為基期的GDP平減指數將GDP折算為以1995年為基期的真實值。由于《中國能源統計年鑒》沒有統計西藏的各類能源消費數據，因此，本文的數據包含了除西藏外的其余30個省份。

2 中國碳排放空間網絡關聯的實證分析

2.1 整體網絡特征分析

根據式（1）構建起的碳排放的空間關聯矩陣，將2014年中國30個省份的碳排放空間關聯關系繪制成可視化的網絡圖，從圖1可以看出，碳排放在各省份間存在普遍的關聯關系。

進一步地，為了反映網絡密度及其演變趨勢，根據式（2）至式（5）計算出了1995～2014年歷年的整體網絡密度、關聯度、網絡效率以及網絡等級，并繪制成圖2。可以看出，網絡密度呈現出上升趨勢，從1995年的0.2提高到了2014年的0.239，關聯關系由1995年的174個增加到了2014年的208個。1995～2014年歷年的網絡關聯度都為1，顯示出碳排放存在普遍的空間溢出關系，而不再只是地理鄰近的省份才產生溢出關系。碳排放空間網絡的網絡等級和網絡效率均呈現出下降趨勢，網絡等級由1995年的0.478下降到了2014年的0.294，網絡效率由1995年的0.722下降到了2014年的0.663，說明碳排放并不存在等級森嚴的現象，網絡結構比較穩定。

依據式（6）至式（8），可以計算出2014年省際碳排放空間關聯網絡的點度中心度、中間中心度和接近中心度。發現總關系數處于前5位的分別是上海、天津、江蘇、浙江和廣東，都是東部發達地區的省份，說明這些省份同其他省份具有較多的直接關聯關系，處于網絡結構的中心位置。由于某個省份的關聯關系既包括發送的關系數，也包括接收的關系數，接下來分別對接收關系和發送關系處于前5名的省份進行分析，接收關系排名前5的分別是上海、天津、江蘇、浙江和福建，發送關系排名前5的分別是甘肅、廣東、青海、新疆和貴州，接收關系排名前5的省份全部位于東部地區，而發送關系排名前5的省份除廣東外其余4個省份都位于西部地區，表明在碳排放的空間網絡關聯中，西部地區主要產生溢出，而東部地區省份則從中受益。無論是中間中心度還是接近中心度，排名前5的省份都是上海、天津、江蘇、浙江、廣東，說明其他省份主要通過這5個省份作為“橋梁”進而產生關聯關系，進一步顯示出了這些省份在碳排放空間網絡中的重要地位和作用。

2.2 塊模型分析

運用CONCOR方法，選擇最大分割密度為2，收斂標準為0.2，可以將全國30個省份劃分為4個板塊，如表2所示。第I板塊的成員包括北京、天津、遼寧、內蒙古和山東5個省份，共接收關系58個，發送關系28個，期望內部關系比例為14%，實際內部關系比例為21%，第I板塊對板塊內外均產生了溢出效應，屬于“雙向溢出板塊”；第II板塊的成員包括廣東、江蘇、福建、上海和浙江5個省份，共接收關系92個，發送關系32個，期望內部關系比例為14%，實際內部關系比例為19%，第II板塊接收的關系數目顯著多于發送的關系數目，屬于“凈受益板塊”；第III板塊的成員包括吉林、甘肅、河北、寧夏、黑龍江、河南、新疆、青海、山西、陜西10個省份，共接收關系23個，發送關系80個，期望內部關系比例為31%，實際內部關系比例為3%，第III板塊發送的關系數目顯著多于接收到的關系數目，屬于“凈溢出板塊”；第IV板塊的成員包括湖南、重慶、湖北、貴州、云南、廣西、安徽、海南、江西、四川10個省份，共接收關系35個，發送關系68個，期望內部關系比例為31%，實際內部關系比例為15%，第IV板塊同其他板塊存在較多的關聯關系，但板塊內部成員間的關聯關系則相對較少，屬于“經紀人板塊”。

3 中國碳排放空間關聯的影響因素——基于QAP分析法

3.1 模型構建

在分析完中國省際碳排放的空間網絡關聯特征后，本文對影響碳排放空間關聯的因素進行探究。眾多研究顯示碳排放的空間溢出與地理因素相關，本地的碳排放不僅取決于自身的控制，還受到鄰近地區的影響，因此，本文認為地理鄰近是影響碳排放空間關聯的因素之一。根據之前的塊模型分析，發現碳排放的空間溢出呈現出明顯的梯度效應，即發達地區和欠發達地區之間存在更多的溢出關系，由此，推測經濟發展差距越大，越容易產生溢出效應。最后，碳排放之所以能在不同地區之間產生溢出，可能是由于各地環境規制的標準不同，污染企業傾向于選擇環境規制較低的地區進行排污，因此，認為地區間的環境規制差異越大，越容易產生溢出效應。由于是關系數據，不能運用傳統計量方法進行統計檢驗，選擇基于二次指派程序的QAP技術進行分析，并建立如下模型：

R=f（G，RGDP，GZ）（9）

其中，R為2014年30個省份碳排放的空間關聯關系；G為地理鄰近矩陣，若兩個省份相鄰，則取值為1，不相鄰則取值為0；RGDP為經濟發展差異矩陣，以2014年各省份人均GDP的絕對值差異構建；GZ為環境規制差異矩陣，采用2014年各省份二氧化硫排放量/GDP、氮氧化物排放量/GDP、煙（粉）排放量/GDP、固體廢棄物產生量/GDP、能源消費量/GDP、工業污染治理投資/工業增加值、PM2.5年均濃度7個指標經過標準化處理后合成環境規制強度指數，并藉此構建環境規制的差異矩陣。

3.2 QAP回歸分析

QAP回歸分析的原理為：首先，運用因變量矩陣對應的長向量對自變量矩陣的長向量進行多元回歸分析。其次，對因變量和自變量矩陣的各行與各列同時進行隨機置換，重復計算足夠多次，并保存回歸系數結果及判定系數。最后，根據回歸系數及判定系數的分布，判斷其顯著性水平。選擇5000次隨機置換，并將得到的結果報告在表3中。

結果顯示，地理鄰近的回歸系數為0.288，且在1%的水平上顯著，表明地理位置相鄰的省份，碳排放更容易產生溢出。經濟發展差異的回歸系數為0.094，且在1%的水平上顯著，表明省際經濟發展差異越大，碳排放的空間溢出越明顯。環境規制差異的回歸系數為0.238，且在10%的水平上顯著，表明省際環境規制差異越大，碳排放的空間溢出也越明顯。觀察標準化后的回歸系數，可以發現對碳排放空間關聯關系影響作用最強的是地區經濟發展差異。

4 結論及建議

本文利用一種新的分析方法——社會網絡分析法（SNA），全新解構了中國省際碳排放的空間關聯特征，并基于QAP技術揭示了中國省際碳排放空間關聯的影響因素。結果顯示：①碳排放的空間關聯已經突破了傳統的地理限制，呈現出復雜的多線程的空間網絡關聯關系，存在普遍的空間溢出效應。②1995～2014年，網絡密度提高了19.54%，網絡效率下降了8.18%，網絡等級下降了38.43%，網絡關聯度始終保持為1，表明碳排放的空間關聯網絡結構逐漸趨于穩定。③上海、天津、江蘇、浙江、廣東和福建等東部發達地區的省份處于網絡的中心地位，接收了較多的關聯關系，甘肅、青海、新疆和貴州等西部欠發達地區省份發送了較多的關聯關系，其他省份則主要起到了“傳輸”和“橋梁”的作用。④碳排放可以劃分為“雙向溢出”“凈受益”“凈溢出”以及“經紀人”4個功能板塊。⑤地理因素、地區間的環境規制差異以及經濟發展差異對碳排放空間關聯具有顯著的正向影響。

以上研究結論蘊含著如下政策啟示：①在碳排放的治理上，需要樹立空間觀念和系統觀念，突出聯動協同的治理理念，從更加廣泛的區域協同上著手治理。②地區間的環境規制差異，容易造成碳排放在區域間轉移，然而，鑒于中國不同地區經濟發展、產業結構、資源環境稟賦的巨大差異，各地區的環境政策不可搞“一刀切”，但更不可差異過大，否則會加劇碳排放的空間溢出。目前，尤為值得警惕的是東部地區為治理環境污染和淘汰落后產能，將高污染、高能耗產業向中西部欠發達地區轉移而產生“碳轉移”和“碳遺漏”問題。通過制定合適的省際環境政策阻斷碳排放的溢出“管道”是一個可行的做法。③減少碳排放空間溢出的根本措施是促進落后地區經濟發展，但這并不意味著要落后地區達到和發達地區相同的經濟規模和增長速度，而是應該通過市場一體化建設，保持要素和人口的自由流動，促進地區人均GDP和增速的趨同。

參考文獻：

[1]肖黎姍，王潤，楊德偉，等. 中國省際碳排放極化格局研究[J]. 中國人口·資源與環境，2011，11：21-27.

[2]林伯強，黃光曉. 梯度發展模式下中國區域碳排放的演化趨勢——基于空間分析的視角[J]. 金融研究， 2011，12：35-46.

[3]蘇泳嫻，陳修治，葉玉瑤，等. 基于夜間燈光數據的中國能源消費碳排放特征及機理[J]. 地理學報，2013，11：1513-1526.

[4]楊騫，劉華軍. 中國二氧化碳排放的區域差異分解及影響因素——基于1995～2009年省際面板數據的研究[J]. 數量經濟技術經濟研究，2012，5：36-49，148.

[5]肖雁飛，萬子捷，劉紅光. 我國區域產業轉移中“碳排放轉移”及“碳泄漏”實證研究——基于2002年、2007年區域間投入產出模型的分析[J]. 財經研究，2014，2：75-84.

[6]孫立成，程發新，李群. 區域碳排放空間轉移特征及其經濟溢出效應[J]. 中國人口·資源與環境，2014， 8： 17-23.

[7]李敬，陳澍，萬廣華，等. 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.

[8]劉華軍，何禮偉. 中國省際經濟增長的空間關聯網絡結構——基于非線性Granger因果檢驗方法的再考察[J]. 財經研究，2016，2：97-107.

[9]侯赟慧，劉志彪，岳中剛. 長三角區域經濟一體化進程的社會網絡分析[J]. 中國軟科學，2009，12：90-101.

[10]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.

[11]Freeman L C. Centrality in Social Networks： Comceptual Classification[J]. Social Networks， 1979， 1.

[12]Boorman S A， White H C. Social Structure from Multiple Networks. II. Role Structures[J]. American Journal of Sociology， 1976， 81（6）：N-A.

[13]Smith D A， White D R. Structure and Dynamics of the Global Economy Network Analysis of International Trade 1965-1980[J]. Social Forces， 1992， 70（4）：857-894.

[14]Cassi L， Morrison A， Wal A L J T. The Evolution of Trade and Scientific Collaboration Networks in the Global Wine Sector： A Longitudinal Study Using Network Analysis[J]. Economic Geography， 2012， 88（3）：311-334.

[15]Wasserman S， K Faust. Social Network Analysis：Methods and Applications[M]. Cambridge， Cambridge University Press， 1994.

（責任編輯：辜 萍）