一帶一路國家物流碳排放空間關聯研究

陳晶晶，劉利民 （浙江萬里學院，浙江 寧波 315100）

CHEN Jingjing, LIU Limin (Zhejiang Wanli University, Ningbo 315100, China)

中國作為“一帶一路”戰略的倡議者，一直秉持著合作共贏的戰略與沿線各國積極展開經濟合作和貿易往來。在戰略實施過程當中，一帶一路國家的物流業也得到了迅猛發展。在各國物流業及交通運輸業得到快速發展的同時，環境污染問題也愈來愈受到人們的關注。據國際能源署報告顯示，全球2018 年的碳排放量創下歷史新高，中國的碳排放總量達100 億噸，占到全球碳排放量的27%，并且全球2019 年的碳排放總量仍在持續上升。中國作為世界碳排放量最大的國家，在面對環境保護問題時更是具有義不容辭的責任。中國在黨第十九次全國代表大會上提出的構建人類命運共同體理念中就涉及到要共同努力構建一個清潔美麗的世界。因此，本文對中國與一帶一路沿線國家的物流碳排放進行研究具有一定的現實意義。

1 文獻綜述

當前，國內外很多學者已對碳排放的相關問題展開了研究。Zofio J L（2001） 等[1]、Lenzen（2002）[2]、Mukhopadhyay（2006）[3]、閆桂權（2019） 等[4]、張秀梅（2010） 等[5]分別對OECD 國家、澳大利亞、印度、中國和中國江蘇展開了關于行業碳排放和國際貿易碳排放等方面的研究。在對碳排放的分析方法上，周新（2010）[6]、臧新（2019） 等[7]、商偉（2019）[8]、Xingping Zhang（2019）[9]、張德鋼（2017） 等[10]分別運用多區域投入產出模型、基于IPCC 采用自上而下的計算方法和數據包絡分析方法、Laspeyres 指數分解算法和LMDI 分解算法、面板協整技術和社會網絡分析的方法進行了深入分析。在這些分析方法當中，Mark S Granovetter（1973）[11]、Linton C Freeman （1979）[12]、劉軍 （2004） 等[13]在社會網絡分析方法上的研究為國內學者應用社會網絡分析方法在碳排放的空間關聯方面做出進一步的研究奠定了深厚的理論基礎。其中劉華軍（2015） 等[14]、趙巧芝（2017）等[15]，焦建玲（2018） 等[16]利用社會網絡分析方法對中國和中國省際間的碳排放從整體和個體網絡結構特征等方面所做的研究具有一定的代表性。基于此本文應用社會網絡分析方法對一帶一路國家物流碳排放的空間關聯關系進行分析，并希望所做的研究結果能夠為碳減排提供一定的依據。

2 研究方法與數據來源

2.1 空間關聯網絡構建

在構建一帶一路國家物流碳排放空間關聯網絡時，將各個國家看作網絡當中的“點”，將各國之間在碳排放上的相互關聯看做網絡當中的“邊”。由于一帶一路各國經濟發展、人口密度和空間分布等的復雜性，文章基于典型的引力模型并對其相關指標進行修改，構建出各國物流碳排放空間網絡關聯的引力矩陣。

式中：Pi,Gi,Ci,Pj,Gj,Cj分別對應與國家i和國家j的人口數量、GDP 和碳排放量；ri，rj表示國家i和國家j的人均GDP；dij表示國家i和國家j首都之間的球面距離。根據公式可以得到（30×30） 的引力矩陣，在此基礎之上，將所得引力矩陣當中的每一行數值取均值作為臨界值并與其做比較，大于臨界值則記為“1”，表示該行國家的碳排放與該列國家的碳排放具有關聯關系，否則記為“0”，表示不具有關聯關系，由此最終得到（30×30） 的關聯矩陣，從而更好地反映出各國之間碳排放空間關聯的特征。

2.2 碳排放空間關聯網絡特征刻畫指標

2.2.1 整體網絡特征

各個國家的碳排放整體網絡特征通過整體網絡密度刻畫，它可以用來描述碳排放整體網絡中各個節點之間關聯的緊密程度。網絡密度的表達式為：其中L表示整個碳排放網絡當中碳排放實際關聯數，n為網絡當中的節點數。

2.2.2 個體網絡特征

在用社會網絡分析方法進行中心性描述時，通常用中心度和中心勢進行測量。在這里衡量的是各個國家在整個網絡當中距離中心地位的程度，因此選擇標準化中心度來對各個國家的網絡特征進行描述。標準化中心度包括點度中心性、中間中心性和接近中心性。點度中心性的公式為：CAD（i ）/（n- 1 ），其中CADi=i度數，用來衡量網絡節點對整體網絡的影響性。中間中心性表示的是對與它不相鄰節點的控制能力，計算公式為：接近中心性則表示節點之間的信息傳遞能力，在碳排放過程中，接近中心性越高的節點受到其它節點的控制力越低，其中心性就越高，用公式計算。

2.2.3 塊模型

塊模型最早是由White 和Breiger（1976） 提出并用來研究整體網絡位置的方法，各個位置上的節點具有結構對等性，但它并不是用來表示網絡當中個體的位置分布，而是對網絡的總體結構進行研究[17]。

2.3 數據來源與說明

本文在“一帶一路”背景下基于OECD-STAN 數據庫中所包含的一帶一路國家展開研究，數據庫中包含了65 個國家，在此研究背景下涉及的國家有30 個，因此本文針對這30 個“一帶一路”國家展開研究。國內外學者關于“隱含碳排放”的研究已相對成熟[18-20]，其中國外學者Peters 對“Embodied Carbon”的定義是為了得到某種產品而在整個生產過程中排放的CO2[21]。文中對一帶一路國家物流碳排放空間關聯進行研究時，用各國進行國際貿易過程中在運輸板塊所釋放的隱含碳排放量來替代各國在物流運輸過程中汽車等交通運輸工具所產生的這部分碳排放量。文中數據來源于OECD-STAN 數據庫、CEPII 數據庫和聯合國數據庫，全文通過UCINET 6 軟件進行分析。

3 一帶一路國家物流碳排放空間網絡關聯實證分析

3.1 整體網絡特征分析

根據修正過的引力模型得到的關聯矩陣將2015 年30 個國家的碳排放關聯關系通過NetDraw 繪制出空間網絡圖，如圖1 所示。從圖1 中可以看到各個網絡節點之間存在明顯的網絡結構，還可以清楚的看出空間網絡關聯數較多的國家有馬來西亞、土耳其、俄羅斯、中國、南非、菲律賓、印尼、印度和韓國，存在著明顯的“空間—邊緣”關系。

從圖2 中可以看到2008～2015 年間空間整體網絡的網絡關聯數和網絡密度的變化趨勢。整體空間網絡關聯數和網絡密度在2008～2010 和2010～2012 年間都呈現出先下降后上升的趨勢，呈“V”形。在2011～2015 年間網絡關聯數和網絡密度呈現出不斷上升的趨勢，網絡關聯數從2011 年的118 個上升到2015 年的139 個，網絡密度也由2011 年的0.135 上升到2015 年的0.159，這在一定程度上得益于中國對外開放的政策和“一帶一路”戰略的提出和逐步實施，使中國與一帶一路國家和周邊各國經濟貿易合作聯系更加密切，物流業水平也得到緩步提升，網絡關聯數和網絡密度的波動變化也顯現出了整體網絡的穩定性。

圖1 2015 年一帶一路國家碳排放空間網絡圖

圖2 整體網絡的網絡關聯和網絡密度

3.2 個體網絡分析

由點度中心度、接近中心度和中間中心度的公式計算出各個國家的點度中心度、接近中心度和中間中心度的值并將2015年一帶一路國家的碳排放中心性分析數據匯總得到表1。

表1 2015 年一帶一路國家碳排放中心性分析數據

從表1 中可以看到，點度中心度排名前五的國家是新加坡、中國、波蘭、斯洛伐克和南非，說明這些國家處于整個網絡當中的中心地位并且與其它國家的聯系較為緊密，這些國家的經濟相對比較發達，制造業規模相對較大，因此在與各國加強經濟合作過程當中，物流業發展規模也相對較大，它們對整體網絡的控制能力也越強。點入度排名前五的國家為中國、南非、馬來西亞、菲律賓和泰國，點出度排名前五的國家為新加坡、斯洛伐克、拉脫維亞、波蘭和匈牙利。通過比較點度中心度和點入點出度的數據得出結論：點度中心度較低的國家在碳排放過程中往往輸出到點度中心度較高的國家。新加坡、中國、韓國、斯洛伐克和菲律賓的接近中心度和中間中心度都位于前六名當中，說明了這5 個國家在物流碳排放過程當中能夠與網絡當中的其它節點之間快速的建立起網絡關聯，在地理位置上，新加坡、韓國、菲律賓和中國臨近或隔海相望可以將周邊國家聯系起來，斯洛伐克作為中歐的內陸國家可以將中東歐國家的經濟發展和物流合作緊密聯系起來，與此同時，這5 個國家受到網絡中其它節點的控制越弱，對于其它節點的控制能力越強。

3.3 塊模型分析

塊模型分析通常有CONCOR 方法和層次聚類分析方法。這里運用CONCOR 方法進行分區。當一個區當中只有3 個或更少的行動者時，分區的效果就不好，在實際劃分當中最好有3 個以上的行動者，因此在這里將最大分割密度設置為2，收斂標準為0.2，將整個網絡節點劃分為4 個板塊[22]。

運用CONCOR 方法將30 個國家分成了4 個板塊并得到各個板塊的密度矩陣，當對板塊中的任一國家進行分析時，處于同一板塊的國家也具有相同的特點，板塊成員國之間具有結構對等性。通過NetDraw 繪制出的樹形圖可以直觀的看到板塊Ⅰ的成員有：保加利亞、印度、斯洛伐克、匈牙利、波蘭、克羅地亞、新加坡、拉脫維亞、俄羅斯、土耳其、立陶宛和羅馬尼亞13個國家；板塊Ⅱ的成員有：捷克、斯洛文尼亞、摩洛哥、以色列4 個國家；板塊Ⅲ的成員有文萊、新西蘭、沙特阿拉伯、愛沙尼亞和韓國5 個國家；板塊Ⅳ的成員有柬埔寨、印尼、馬來西亞、菲律賓、哈薩克斯坦、泰國、中國、越南和南非9 個國家。將密度矩陣中各板塊的密度與整體網絡密度的平均值0.1598 做比較，大于平均值的賦值為1，否則為0，由此得出各板塊的影像矩陣，如表2 所示，由此可以繪制出它們之間的聚類圖和社群圖，如圖3、圖4 所示。

表2 各板塊密度矩陣和影像矩陣

圖3 2015 年板塊聚類圖

圖4 2015 年各板塊社群圖

從社群圖當中可以看到板塊Ⅳ處于首數位置，板塊成員的整體密度比較大，成員內部聯系比較緊密，反映出板塊內的國家經濟交流和物流合作聯系比較緊密。板塊Ⅰ和板塊Ⅲ處于經紀人位置，在網絡當中起著連接和運輸的作用，但是板塊Ⅰ較板塊Ⅲ而言，它的接收關系較多，在網絡當中也就發揮著較強的連接作用，說明板塊I 內的國家在加強一帶一路國家間進行物流合作時發揮出較強的中介作用。板塊Ⅱ處于孤立者的位置，它只進行小團體之間的聯系，與其它板塊之間的聯系較少，板塊II 的國家國土規模較小，石油或礦產比較貧乏，旅游業或技術產業有的國家發展相對較好，但是在與一帶一路國家物流經濟往來過程中不密切。

4 研究結論

通過對整體物流碳排放的研究得到如下結論：（1） 一帶一路沿線國家在物流碳排放方面呈現出明顯的網絡結構，其中空間網絡關聯數較多的國家有馬來西亞、土耳其、俄羅斯、中國、南非、菲律賓、印尼、印度和韓國，它們之間存在著明顯的“空間—邊緣”關系。（2） 網絡關聯數和整體網絡密度在2008～2011 年間呈現出先下降后上升再下降的趨勢，在2008～2009 年間碳排放整體網絡密度的下降在一定程度還是源于2008 年爆發的經濟危機使得各國經濟萎縮，物流碳排放量降低。后面隨著經濟的復蘇，各國之間貿易往來頻繁起來，在2011～2018 年間網絡關聯數和網絡密度得到穩步上升，顯現出整體網絡的穩定性。（3） 點度中心度排名前五的國家是新加坡、中國、波蘭、斯洛伐克和南非，為一些經濟相對比較發達的國家，并且它們的點入度大于點出度，主要為輸入國。排名靠后的5 個國家為沙特阿拉伯、以色列、柬埔寨、愛沙尼亞和斯洛文尼亞，點出度大于點入度，主要為輸出國，經濟規模較小。通過相關數據最后發現點度中心度較低的國家在碳排放過程中往往輸出到點度中心度較高的國家，說明在物流碳排放過程當中，主要是能源分布相對密集的國家將碳排放轉移到相對發達的國家。接近中心度和中間中心度排名前六位的國家中都包括了新加坡、中國、韓國、斯洛伐克和菲律賓，它們分布在網絡的中心和周圍在網絡的連接上起著連接和輸送作用。（4） 將30 個國家進行分塊得到相應的塊，這些國家在對應的塊中都處于相應的位置上（首數位置、經紀人位置和孤立者位置）。處于首數位置的中國、南非、馬來西亞等國家在碳減排工作當中起著關鍵性作用，必須要制定嚴格的碳減排政策，處于經紀人位置的斯洛伐克、俄羅斯、新加坡、土耳其、新西蘭、韓國等國家需要發揮出連接作用，將各國密切聯系起來，處于孤立者位置的捷克、斯洛文尼亞、摩洛哥和以色列等國家要在一帶一路戰略的帶領下與其它各國加強經濟合作，密切交流，提升經濟實力。

以上研究表明在對碳排放進行控制時，需要先對整體碳排放網絡進行把控，綜合考慮各個國家的空間分布、經濟發展和人口密度等因素對碳排放的影響，并在此基礎上有針對性的對不同地區的國家做出進一步的規范化管理。在碳排放控制過程中關鍵的還是要控制碳排放的輸出，因此需要注意碳排放的公平性，避免對不發達和偏遠地區的國家造成更大的污染。在習近平一帶一路倡議的持續推進下，各國經濟發展呈現出持續向好的態勢，同樣在此背景下需要在碳排放減排方面樹立起協同治理、聯動治理的觀念，只有各國都樹立有“綠水青山就是金山銀山”的理念，才能夠更加高效地構建出一個環境美好的世界。