中國產業間碳傳導網絡結構與特征分析

摘要：著眼于“雙碳”目標要求，聚焦產業間的碳傳導現象，通過引入網絡分析思路與方法，以探究推動中國產業體系碳達峰的政策優化思路。在量化各類產業碳排放規模的基礎上，運用社會網絡分析法對1998—2016年中國38個產業間的碳流向及其傳導網絡特征進行識別并分析結構特征。進一步以碳傳導特征為依據，運用塊模型分析將產業劃歸為凈溢出型、凈吸收型、溢出型中介和吸收型中介四類。根據各類產業間碳傳導特征差異，提出組建產業減碳“聯盟”、合理調節溢出與吸收型產業的結構占比等建議，旨在助力工業全面碳達峰，推進產業結構優化升級，驅動區域綠色低碳高質量發展。

關鍵詞：產業間碳傳導網絡；網絡關聯；凈吸收型產業；碳達峰

中圖分類號：F1213;X322 文獻標識碼：A文章編號：1007-2101（2024）05-0062-11

自2007年起，中國的碳排放量已躍居世界首位。近年來，由于溫室氣體效應所導致的高溫熱浪事件日益增多。據統計，中國年均氣溫每10年升高約0.23攝氏度，升溫幅度是全球整體水平的2倍。受異常天氣影響，每年有1 800萬～3 200萬公頃耕地受干旱影響，占播種面積12%～22%，且受旱面積不斷增加[1]。同時，這類氣候變化也對人類生活與健康產生不良影響。

面對嚴峻的氣候威脅，中國政府給予了充分重視。2016年簽訂的《巴黎協定》，明確了未來15年的碳減排目標，提出了中國到“2030年實現單位GDP的二氧化碳排放量較2005年下降60%～65%”的減碳承諾。黨的十八大以來，黨中央先后明確提出要“正確把握生態環境保護和經濟發展的關系”，并強調了“綠色發展是建設現代化經濟體系的必然要求” “構建綠色產業體系和空間格局”，以及“引導形成綠色生產方式和生活方式”的愿景［2］。2021年3月，習近平總書記在中央財經委員會第九次會議上再次重申了中國加快實現碳減排的重要性，將實現碳達峰、碳中和稱為“一場廣泛而深刻的經濟社會系統性變革”①。在同年10月國務院發布的《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》與《2030年前碳達峰行動方案》中，明確了碳排放治理的具體階段性目標與要求，體現出中國政府實現“雙碳”目標的決心與信心。

隨著高質量發展背景下的產業結構轉型與升級，由產業轉移導致的生產端碳排放的空間分布也隨之變動；又因其存在空間外部性，增加了碳排放空間演化格局的不確定性，進一步提升了區域碳減排策略的制定與實施難度[3]。在這一背景下，如何兼顧產業發展需求與“碳達峰”目標成為區域高質量發展的重要議題之一。為了更客觀、準確地制定區域產業節能減碳目標、探究工業碳達峰的有效路徑，本文基于對產業間碳傳導網絡的可視化分析，對產業間碳傳導特征進行識別，以探究如何在產業結構優化升級過程中，最大化減少產業間碳傳導帶來的負外部效應，從而為探究產業轉移背景下的工業碳達峰路徑提供思路與方法借鑒。

一、文獻回顧

全球日趨加劇的溫室效應，增加了學術界對于如何降低碳排放問題的關注度。由于影響碳排放的因素具有復雜性和區域溢出性，使得關于碳排放的學科交叉性研究逐漸興起。中國是全球碳排放量最高的發展中國家，產業的生產與加工環節是碳排放的主要來源之一[4]。隨著全球綠色低碳發展的風潮，許多西方國家的工業類企業逐步將生產中的高污染、高碳排環節轉移到發展中國家。中國東部地區承接了大量發達國家的轉移產業，在促進自身產業結構升級的同時，也驅動了部分低效能產業內遷。在這一過程中，中部地區承接了自東部地區轉移的大量金屬冶煉與制品、電力生產與供應、采選等資源型產業以及相關制造業，優化了中國中西部地區生產力空間布局，使得中西部地區的國家能源、原材料和制造業基地的地位更為凸顯[5-6]。產業轉移過程伴隨著碳排放的轉移[7]，以能源轉化、采掘業和制造業等為主體的省際間產業轉移，引致了碳排放規模的空間演化，又由于產業轉移的環境外部性，直接或間接地增加了轉入地的碳排放規模[8]。產業轉移與碳轉移之間的連帶關系給生產體系中的碳排放控制帶來了更多不確定性，增加了區域低碳治理難度。

伴隨著經濟學與多元學科間研究思路與方法的融合，社會學中的網絡分析思路被應用于對產業間日趨復雜的關聯關系分析中，通過對產業關聯網絡的可視化構建，實現對產業間聯系密度和強度的量化測度。社會網絡分析法（SNA）是一種基于圖論，運用“關系數據”研究某系統的空間網絡關聯及結構的方法[9-10]。該方法可用于分析人口遷移和國際貿易網絡及其演化過程。這一方法的引入對產業體系中的污染傳導研究具有突破性。當前大部分針對污染傳導話題的研究，大多局限于探討由于地理區位 “相鄰”或“相近”所導致的碳流動或碳溢出現象，而普遍忽視了由于產業間關聯關系所可能導致的碳傳導問題。將這一研究思路引入產業經濟和環境經濟研究領域，不僅能夠可視化產業間的關聯關系，更能實現對網絡內部碳元素規模變動和流向的動態捕捉[11]。通過運用社會網絡分析法將產業間抽象的網絡關聯關系具象化，探究碳排放在產業網絡中的傳導路徑，得出導致碳排放溢出的節點產業，識別可進行碳吸收的清潔型產業，從而通過重點把握兩類產業的轉移趨勢，推動區域產業體系的碳減排、碳中和。Domenech和Davies應用這一方法對丹麥凱隆堡的產業網絡進行了測度，這也是該領域最著名的研究成果之一[12]。其測度原理主要采用引力模型[13-14]和VAR Granger因果檢驗方法[12，15]。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[16]，因而可用于從時間角度揭示產業碳排放之間的交互影響關系；引力模型則通過加入不同地區的碳排放量對傳統引力模型公式進行改進，實現對產業間碳傳導關系的測度。

碳傳導網絡是指由產業間上下游網絡關系所形成的，伴隨原材料、中間產品在產業上下游企業間形成傳導的碳排放規模，其既能反映碳元素在產業網絡中的傳導路徑，又能體現不同產業在這一過程中形成的碳沉淀或碳溢出規模。現階段中國省際的產業轉移以工業和制造類產業為主導，這類產業所具有的高能耗特征導致了其轉移過程伴隨著明顯空間上的碳轉移現象。由于產業轉移本身所具有的空間演化特征，使得碳傳導過程同樣具有外部性，放大或縮小了產業轉移本身對區域碳排放水平的作用效果，進而為當地碳排放效率帶來多重影響。由于社會網絡分析法可結合對經濟和環境兩方面的考量，并側重于網絡結構形態、相互作用模式和對協作結果的分析[17]，因而自2010年以來，國內學者嘗試應用其對區域產業網絡污染傳導機制展開研究。以冷炳榮等[14]、劉華軍等[11]為代表的經濟學領域學者先后運用SNA方法開展對不同污染在產業間傳導模式測算的應用性研究，構建產業網絡來探討產業污染的空間格局演化。通過對各省市碳排放量的空間關聯效應分析可得出，現階段中國各省市間碳排放的空間關聯呈現高等級、低密度的網絡特征。其中，制造業的網絡結構特征對碳排放傳導存在顯著影響，且中間產品流動導致的影響尤為顯著[18]。

總體而言，在對產業轉移過程中的碳轉移問題研究中，研究主體主要局限于行政單元，缺少對跨區域碳傳導現象的探討。當前基于網絡視角的分析，大多以省市作為網絡節點，以彼此間經濟因素互動關系為基礎識別網絡結構，而從產業類別角度切入，以產業網絡為依托的碳傳導流向和規模識別有待補充。如今，碳排放的空間關聯關系已經突破了傳統線性模式，逐步呈現非線性空間結構，網絡結構特征趨于復雜化。基于此，本文將社會網絡分析方法引入碳排放研究領域，通過將地理不相鄰但存在碳傳導關系的地區納入分析框架，或是可視化產業間碳傳導關系，能夠彌補現有文獻中對于產業鏈傳導機制和空間溢出影響等方面的研究不足。

二、傳導網絡的識別思路

國民經濟可以看作是一個由眾多存在相互影響的經濟主體所構成的復雜系統。經濟主體通過貿易往來，在系統中形成了復雜的網狀結構。“復雜網絡”概念源自于Watt和Strogatz的“small world”網絡模型，后由Barabási和Albert進一步提出“無標度網絡”概念，用以描述經濟主體關聯從完全規則網絡到完全隨機網絡的轉變過程[19-20]。產業關聯網絡基于上述概念提出，通過將復雜網絡理論與產業關聯理論的結合，用以系統性理解經濟系統的運行機理[21]，并在實證中被應用于構建產業間關聯關系圖，以及對地區產業集群水平的量化識別[22-23]。隨著多元學科間的滲透與融通，產業網絡的分析思路進一步引起了環境經濟領域學者的廣泛興趣。冷炳榮[14]、劉華軍[11，24]等學者通過將產業關聯網絡概念引入環境問題研究中，用以識別各類廢棄物在產業間的傳導模式和空間流動格局。作為生產端產生的非期望產出之一，二氧化碳通過負載于原材料、中間產品和最終產品上等方式在產業之間傳導。同時，由于碳排放具有的流動性和外部性特征，使得對碳排放傳導模式的研究更為復雜：碳排放不僅會隨產業鏈形成對上下游關聯產業的傳導，還會因其溢出效應形成在地理空間上的傳導，繼而影響整個產業鏈的碳排放規模和區域性碳減排決策[25-26]。

產業間碳傳導是指不同產業間碳元素通過直接或間接形式相互關聯，并由此產生外部性影響[20]。碳傳導網絡是指由節點產業之間碳傳導關聯所識別出的復雜網絡關系。為了實現對這一網絡的可視化構建，首先需要測算各類產業的碳排放規模，并明確產業鏈中各上下游產業間的碳傳導方向。社會網絡分析法對于分析多節點的交互影響關系具有明顯優勢，具有強大的分析功能，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位置和碳傳導能力[27-28]。基于此，本文選取二位數產業碳排放的時間序列數據，嘗試運用社會網絡分析法原理構建產業間碳傳導的動態網絡，以捕捉各產業的碳敏感度，并以此為基礎探析不同類型產業轉移對轉入與承接兩地的影響差異。

三、產業碳排放測算

由于碳排放由產業的能源需求和能源要素投入量所決定，產業對能源要素的需求量決定了其終端碳排放規模，對于探究生產端的節能減碳路徑更具實踐意義。因此，本文以產業各類能源的終端消耗量為依據，基于《中國能源統計年鑒》中1998—2016年能源終端消費數據，參考張偉等[29]、樊星[30]的測算方法，分別對38個二位數產業歷年的碳排放規模進行測算②。其中，將一次能源消耗量和由于加工或能量轉換而產生的能源二次耗損均納入對產業碳排放量的測算框架中，通過分別對各類產業的原煤、洗精煤、型煤、煤矸石、焦炭、焦爐煤氣、高爐煤氣、轉爐煤氣等煤炭類能源，原油、汽油、煤油、柴油、燃料油、石腦油、潤滑油等石油類能源，以及包括天然氣、液化天然氣、熱力和電力等其他能源在內的30種能源消耗的碳排放量進行量化測算，加總得出各類產業每年度的碳排放規模變動情況（見表1），公式為：

其中，C為第t年區域i碳排放量的估算值，j表示煤炭、焦炭、汽油、天然氣和原油等化石燃料類別③，E為第t年區域i的 j類初級化石燃料的消耗量，LCV為對應燃料的平均低位熱值，EF為碳排放系數（涉及相關指標數據見表1）。

四、產業間碳傳導關系的識別

在測算產業終端碳排放的基礎上，采用SNA對產業間的碳傳導關系進行識別。環境經濟領域的要素相關關系識別方法可分為引力模型和VAR Granger因果檢驗兩類。與引力模型著重強調地理距離的重要性相比，Granger因果檢驗能夠更為精準地回答某一時間序列的歷史信息是否能夠增強對另一時間序列當期值的預測能力。基于此，為了更準確地揭示碳排放的時空性交互影響，本文借鑒劉華軍等[11]、張德鋼等[31]的思路，在VAR模型框架下，運用Granger因果檢驗識別碳傳導關系。

五、碳傳導網絡的結構特征

（一）碳傳導網絡圖譜

在識別38個產業間碳傳導動態關系的基礎上，運用SNA法在VAR模型框架下對滯后1-4階的網絡密度和關聯度進行測算，以進一步進行網絡識別與特征分析。

1.網絡密度。網絡密度用以反映網絡整體的系統緊密程度，產業間碳傳導網絡密度隨滯后階數的增加而呈現不斷增長態勢。設Nu為網絡節點數，Mu為實際關系數，得到網絡密度的表達式為：

2.網絡關聯度。網絡關聯度用以衡量網絡結構的穩健性；關聯程度越高，則表明該網絡的結構越穩健。設O為網絡中不可達的點對數目，得到網絡關聯度的表達式為：

經測算，產業間碳傳導網絡的關聯性均為1，網絡結構具有穩健性。基于對產業間碳傳導網絡密度和關聯度的測算結果，筆者采用UCINET6.0中可視化工具Netdraw繪制產業間的碳傳導網絡圖譜（見圖1）。結果顯示，中國1998—2016年產業間碳傳導所形成的網絡中存在復雜、多樣的碳傳導關系，各產業依托自身在產業體系中所處的節點位置不同，對上下游產業形成碳溢出、碳吸收作用，使整個產業體系的總碳排水平處于動態變化中。圖1產業間碳傳導網絡關系（二）中心度指標測算

1.點度中心度（Degree Centrality）。為了量化識別各產業在碳傳導網絡中的功能定位，以及對網絡碳排放總量的影響方向與強度，從而形成對產業間碳傳導網絡的全面性認知，故進一步對網絡中各節點的點度中心度、中介中心度和接近中心度等指標進行測算。

點度中心度能夠體現網絡整體的集中程度，可用以反映某一節點在網絡中的相對地位。該指標數值越高，則表明該節點產業在碳傳導網絡中所處地位越高，對其他產業的碳溢出程度也就越大。其計算公式為：

經運算，中國產業間碳傳導網絡中點度中心度較高的產業為煤炭開采和洗選業、黑色金屬礦采選業、通用設備制造業、其他制造業、廢棄資源綜合利用業以及燃氣生產和供應業。這些產業與其他產業之間均存在碳傳導關系，為各類產業提供生產能源、原材料或綜合性服務，具有連接產業類型廣、綜合性強的特點。點度中心度最小的產業為石油和天然氣開采業，其僅與樣本中其他14個產業存在直接的碳傳導關系，這與該產業特殊的能源類型有關，僅服務于以石油和天然氣能源消耗為主的特定類型產業，因而沿產業鏈的碳傳導鏈條也相對有限。

由于產業間碳傳導具有方向性，故進一步加入對碳流向的考量，計算各類產業的點出中心度與點入中心度。結果顯示，碳傳導網絡的點出中心度總計為40.31%，點入中心度總計為48.41%（見表2）。從網絡縱向關聯來看，點入中心度最高的產業為通用設備制造業（數值為38），是所有產業均值的1.92倍，表明該產業在網絡中是碳傳導的主要接收者；相反，點入中心度最低的為飲料制造業，其值僅為8，表明該產業在碳傳導網絡中受其他產業碳溢出的影響較小。點出中心度最高的產業為其他制造業（數值為34），是所有產業均值的1.72倍，表明該類產業在碳傳導網絡中主要擔任碳溢出者的角色。非金屬礦物制品業與電力、熱力生產和供應業兩個產業的點出中心度取值僅為7，相對其他產業處于較低水平，在碳傳導網絡中對其他產業的碳溢出相對較小。

從網絡橫向關聯來看，點出度高于點入度的產業共計22個，是產業間碳傳導網絡中的碳溢出者，而另外16類產業則主要在網絡中承擔碳傳導接收者的角色。其中，有色金屬礦采選業、紡織業、紡織服裝與服飾業、木材加工和木竹藤棕草制品業、家具制造業、造紙和紙制品業、醫藥制造業、橡膠和塑料制品業、有色金屬冶煉和壓延加工業、汽車制造業、其他制造業和計算機、通信及其他電子設備制造業等12類產業的點出中心度高于所有產業均值水平的同時，也高于該類產業點入度，在產業間碳傳導網絡中屬于引致碳排放溢出的產業類型。同時，以煙草制品業、儀器儀表制造業、廢棄資源綜合利用業、電力、熱力生產和供應業、燃氣生產和供應業，以及水的生產和供應業等為代表的14類產業的點入中心度高于所有產業平均值且高于該類產業自身點出度，表明這類產業在碳傳導網絡中主要作為其他產業碳溢出的接收者。

2.接近中心度（Closeness Centrality）。接近中心度是對產業與網絡中其他產業接近程度的評價，其數值越大，則表明該產業在網絡中受其他產業依賴程度越低，碳傳導能力相對越弱。計算公式為：

進一步計算各產業在碳傳導網絡中的入接近中心度（in-closeness）和出接近中心度（out-closeness），以分別反映產業在網絡中的整合力（integration）和輻射力（radiality）。通過測算得出，在中國產業間碳傳導網絡中，入接近中心度較高的產業為黑色金屬礦采選業、通用設備制造業、廢棄資源綜合利用業以及燃氣生產和供應業。這些產業大多以產業鏈的起始或終端類產業為主，這些產業在網絡中對其他產業進行碳吸收的鏈條較多，連接程度較大。而有色金屬礦采選業、通用設備制造業和其他制造業的出接近中心度較高，這類產業在網絡中對其他產業的輸出路徑較多，輻射能力也越強（見表2）。

3.中介中心度（Betweenness）。中介中心度用以反映某類節點產業能在多大程度上控制其他節點產業間的關聯關系，即該節點產業在碳傳導網絡中的媒介程度。其數值越高，則表明該節點產業在網絡中越處于核心地位，發揮“中介”和“橋梁”作用。計算公式為：

（三）結構異質性分析

借助SNA法具有的網絡分析能力，運用塊模型辨別各類節點產業的碳傳導能力，以及其對產業碳排放的異質性影響，并以此為依據嘗試從碳傳導強度視角對產業進行分類識別。由于網絡外部性的存在，網絡中產業間碳傳導過程也會存在溢出問題。基于此，借用CONCOR迭代法，將收斂指數設為0.2，最大分割度設為2⑤。根據碳傳導的方向和強度差異，所有產業可以被劃分為4個模塊（見表3），并計算各個模塊接收與發出的關系束，以及期望內部關系和實際內部關系的比例。其計算公式為：

根據不同模塊呈現出的碳傳導特征，將模塊分別定義為凈溢出型、凈吸收型、溢出型中介和吸收型中介四類。其中，凈溢出型產業共10個，接收關系數為178，發出關系數為181，在碳傳導網絡中是碳排放的主要輸出方，其兼具期望內部關系比例高于實際內部關系比例、發出關系數高于接收關系數的雙重特征，是產業網絡中碳排放的主要來源。相反，屬于凈吸收型的產業共12個，接收關系數為225，發出關系數為214，該板塊中的產業具有發出關系數普遍高于接收關系數的特征，是碳傳導網絡中的主要接收方。與上述兩個模塊相比，模塊I與模塊IV的實際內部關聯程度相對較低，分別僅有15.66%和33.93%，兩大類產業均具有既對其他模塊產業形成碳溢出，又吸收其他產業碳排放的雙向特征。然而，這兩個模塊內部產業之間的相互關聯較少，因而與其他模塊相比，這兩類產業在碳傳導網絡中起到“中介”作用。由于模塊I中產業的發出關系數遠高于接收關系數，因而在網絡中主要偏向溢出型中介，即在向吸收型產業傳導碳的過程中進行碳溢出；相反，模塊IV中產業則為吸收型中介，在對網絡中吸收型產業進行碳傳導的過程中具有一定固碳效果。

四類產業間的碳傳導關系存在交互性和復雜性。其中，凈溢出型產業是網絡中的碳溢出方，是生產側碳排放產生的主要源頭，并通過傳導鏈條對網絡中關聯產業進行碳輸出。凈吸收型產業是網絡中的碳接收者，主要吸收來自其他產業的碳溢出。這類產業往往以終端產業或綜合服務類產業為主，是網絡中碳傳導的終端。與前兩者相比，中介型產業在網絡中作為樞紐，連接著產業碳傳導的核心鏈條，是凈溢出型和凈吸收型產業間碳傳導的“媒介”。

由于產業之間的碳傳導能力存在差異，使得在分析生產活動對碳排放的影響時不能僅考慮該產業自身的能源消耗水平，還應結合網絡特征加入對產業結構異質性影響的考量。針對中介型產業，其產業規模的變動會影響網絡中碳傳導聯調數量及其規模，同時聯動影響凈溢出、凈吸收型產業轉移的碳傳導強度，繼而在網絡中產生規模放大效應；凈溢出型產業作為碳傳導網絡中的碳輸出方，對其規模變動的嚴格把控，將有助于降低本地碳排放規模。與之相反，由于凈吸收型產業具有一定碳吸收能力，因而其規模增加將有助于當地產業體系的碳中和。因此，依據碳傳導能力差異對產業結構進行動態識別，有助于實時把控產業碳排放水平和碳中和潛力，并由此提升節能減碳政策的有效性；以此為依據對當地產業結構進行合理調控，將在推進“雙碳”目標實施的同時，驅動當地產業結構的轉型升級，進而促進區域的高質量發展。

六、結論與展望

本文以2021年10月國務院發布《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》和《2030年前碳達峰行動方案》為研究背景，從產業視角切入，分析各類產業的碳排放流向及其網絡關聯性影響。通過將產業網絡概念引入碳排放研究領域，運用SNA法識別中國38個二位數產業的碳傳導網絡，以量化產業體系內的碳排放流向及其傳導關系。以此為基礎，通過測算點度中心度、中介中心度和接近中心度并進行塊模型分析，得出不同產業在網絡中的碳傳導能力差異，結合塊模型分析進一步將產業類別劃分為凈溢出型、凈吸收型、溢出型中介和吸收型中介四類，并分別探討了其對于產業體系碳排放的影響。圍繞主要研究結論，提出以下政策優化思路。

以產業間碳傳導網絡為基礎實施一體化監管，組建產業體系降碳“聯盟”。通過對產業間碳傳導網絡的構建與識別，明晰了各類產業在網絡中的節點位置，并以此為依據厘清其在碳減排過程中應承擔的責任，并運用市場化機制實施對產業網絡體系中碳排放的全流程治理。從宏觀層面，以產業鏈為基礎設立統一監管機制。如對本地產業實施全流程治理，通過建立上下游產業間碳傳導的溝通與協商機制，重點把控網絡中每個節點的碳排放規模，最大化減少原材料、中間產品交易過程中的碳溢出，形成一種沿產業鏈的系統性管理模式。從中觀層面，以行業協會等社會性組織為媒介搭建產業碳減排“聯盟”。可由地方政府出面組建區域產學研合作平臺，以產業網絡為依托，由政府負責量化并監督企業碳減排權責，為行業間碳交易、減排技術合作與推廣提供溝通、磋商平臺。

建立健全跨區域統籌協同機制，推進工業全面碳達峰。由于產業間存在碳傳導現象，會隨著不同類型產業的轉移而引致碳排放空間格局變動，由此增加了低碳治理的難度。為了達到本地的減碳目標，地方政府會更傾向于扶持吸收型產業，而提升溢出型產業的準入門檻，由此可能演化成為非市場化的逐頂競爭。因此，在空間視角下探究低碳治理路徑，不僅需要建立統一的碳排放標準，還需要在區域層面出臺府際聯動政策。如，可以將大數據、物聯網等數字化技術應用于低碳治理領域。通過區域間數據共享、信息互通，對轉移企業進行分類登記，對溢出型企業的碳排放進行重點追蹤和監控。再如，從區域層面建立健全轉移支付制度，以碳傳導網絡為依托識別碳轉移產業鏈，對于存在本地生產異地消費類的溢出型企業，消費地需向生產地給予一定碳補償。

科學調配區域產業結構，重點優化配置凈吸收型和中介型產業占比。凈吸收型產業在產業間碳傳導網絡中具有一定固碳作用，而中介型產業則在網絡中處于樞紐地位。基于此，可有針對性地調整本地產業結構，以達到降低碳排放空間溢出、提升減碳效率的目的。具體實施方法包括：（1）結合各地區發展定位，對產業結構進行動態調整，合理調節溢出型和吸收型產業的規模占比；或通過政策稅收優惠、補貼等鼓勵政策吸引凈吸收型產業轉入，以降低產業網絡中的碳傳導規模。（2）合理調控兩類中介產業占比。具有中介屬性的產業在碳傳導網絡中起著媒介作用，其產業內部的能源要素投入變動，或是技術創新等調整性決策，不僅影響這些產業本身的碳排放規模，更會通過網絡傳導產生連鎖效應，帶動其他關聯產業隨之變動，繼而影響網絡整體的總碳排水平。因此，為增加產業網絡的碳中和能力，應動態調控中介類產業占比，吸引吸收型中介產業遷入。同時，應注重對溢出型中介產業終端碳排放的防控，以避免由于網絡傳導所導致的碳溢出規模放大。

鼓勵與扶持本地凈吸收型產業。由于凈吸收型產業對區域碳排放效率具有正向溢出效應，因此地方政府在對產業結構實施優化調整的同時，也應加大對本地凈吸收型企業的扶持力度。如，可通過信貸優惠、低碳類產品宣傳以及地方品牌打造等方式拓寬產業知名度、開拓產品出口渠道等。地方政府還可以通過擴大對高附加值產品或服務的采購比重，提升本地清潔型能源生產與加工類企業的市場競爭力；或通過引導居民低碳消費行為的方式擴大市場對凈吸收型產業的需求，從而在區域內打造形成具有一定競爭優勢、有利于區域碳中和的綠色產業集群。

注釋：

①習近平主持召開中央財經委員會第九次會議強調：推動平臺經濟規范健康持續發展，把碳達峰碳中和納入生態文明建設整體布局。見http：//www.xinhuanet.com/politics/leaders/2021-03/15/c_1127214607.htm。

②由于本文涉及的38個產業中包括電力、熱力產業，為避免在測算過程中對這兩類能源消耗的重復計算，故在估算歷年分行業碳排放量時，不再重復計入各產業的電力和熱力消耗，而將其納入到產業層面碳排放及傳導規模的測算中。

③考慮到能源消費種類的統計口徑在過去30年有過多次調整以及數據的可得性問題，這里選取產業中占主導性的能源消費類型進行計算，包括煤、焦炭、原油、汽油、煤油、柴油、重油、燃料油、液化石油氣、煉廠干氣、天然氣、煤氣。

④《IPCC 國家溫室氣體排放清單指南2006》中未涉及的潤滑油、石蠟和溶劑油的低位熱值與碳排放因子，均參考其他石油制品的相關數據進行估算。

⑤設計方法參考種照輝、覃成林發表于《國際經貿探索》2017年第5期的《“一帶一路”貿易網絡結構及其影響因素——基于網絡分析方法的研究》。

參考文獻：

［1］詹媛.氣候變化中國如何應對［N］.光明日報，2014-11-26.

［2］中共中央文獻研究室.習近平關于社會主義生態文明建設論述摘編［M］.北京：中央文獻出版社，2017.

［3］丁凡琳，陸軍.居民能耗碳強度測算及其空間影響研究——來自中國285個地級市面板數據［J］.當代經濟科學，2020（2）：92-103.

［4］吳常艷，黃賢金，揣小偉，等.基于EIO-LCA的江蘇省產業結構調整與碳減排潛力分析［J］.中國人口·資源與環境，2015（4）：43-51.

［5］FAN C C.Industrial agglomeration and development： a survey of spatial economic issues in East Asia and a statistical analysis of chinese regions［J］.Economic Geography，2003（3）：295-319.

［6］胡雅蓓.中國省際隱含碳排放空間與產業轉移路徑［J］.技術經濟，2019（9）：130-137.

［7］鄧榮榮，李亞芳.中國中部區域承接國內產業轉移進程中的碳排放轉移測度［J］.產業經濟評論，2019（3）：114-133.

［8］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.

［9］WASSERMAN S，FAUST K.Social network analysis：methods and applications［M］.New York： Cambridge University Press，1994.

［10］DUEAS M，FAGIOLO G.Modeling the international-trade network： a gravity approach［J］.Journal of Economic Interaction & Coordination，2013（1）：155-178.

［11］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.

［12］DOMENECH T，DAVIES M.Structure and morphology of industrial symbiosis networks： the case of kalundborg［J］.Procedia Social and Behavioral Sciences，2011（10）：79-89.

［13］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.

［14］冷炳榮，楊永春，李英杰，等.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.

［15］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.

［16］GRANGER C W J.Testing for causality：a personal viewpoint［J］.Journal of Economic Dynamics and Control，1980（2）：329-352.

［17］CHERTOW G M，PERGOLA P E，AGARWAL R，et al.Cardiovascular safety and efficacy of vadadust for the treatment of anemia in non-dialysis dependent CKD？ Design and Baseline Characteristics［J］.American Heart Journal，2020（5）：1-11.

［18］張同斌，高巍，馬晴晴.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［J］.中國人口·資源與環境，2019（2）：166-176.

［19］WATTS D J，STROGATZ S H.Collective dynamics of small-world networks［J］.Nature，1998（6684）： 440-442.

［20］BARABáSI A L，ALBERT R.Emergence of scaling in random［J］.Networks Science，1999（5439）：509-512.

［21］SCHWEITZER F，FAGIOLO G，SORNETTE D，et al.Economic networks：the new challenges［J］.Science，2009（5939）：422-425.

［22］CAMPBELL J.Application of graph theoretic analysis to inter-industry relationships： the example of Washington State［J］.Regional Science & Urban Economics，1975（1）：91-106.

［23］SLATER P B.The determination of groups of functionally integrated industries in the United States using a 1967 interindustry flow table［J］.Empirical Economics，1977（1）：1-9.

［24］孫亞男，劉華軍，劉傳明，等.中國省際碳排放的空間關聯性及其效應研究——基于SNA的經驗考察［J］.上海經濟研究，2016（2）：82-92.

［25］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（3）：605-627.

［26］HALE G，LONG C.Are there productivity spillovers from foreign direct investment in China？ ［J］.Pacific Economic Review，2011（2）：135-153.

［27］蔣金荷.中國碳排放量測算及影響因素分析［J］.資源科學，2011（4）：597-604.

［28］馬大來，陳仲常，王玲.中國省際碳排放效率的空間計量［J］.中國人口·資源與環境，2015（1）：67-77.

［29］張偉，朱啟貴，李漢文.能源使用、碳排放與我國全要素碳減排效率［J］.經濟研究，2013（10）：138-150.

［30］樊星.中國碳排放測算分析與減排路徑選擇研究［D］.沈陽：遼寧大學，2013.

［31］張德鋼，陸遠權.中國碳排放的空間關聯及其解釋——基于社會網絡分析法［J］.軟科學，2017（4）：15-18.

［32］SCHWERT G W.Why does stock market volatility change over time［J］.The Journal of Finance，1989，44（5）：1115-1153.

責任編輯：彭青Structural and Characteristic Analysis of Inter-industrial Carbon

Conduction Network in China

——Taking the "Second

Ding Fanlin Lu Jun

（1.Zhou Enlai School of Government， Nankai University， Tianjin 300350， China;

2.School of Government， Peking University， Beijing 100871， China）

Abstract：Focusing on the phenomenon of carbon conduction between industries， in order to achieve the goal of peak carbon emissions and carbon neutrality， this paper introduces the ideas and methods of network analysis to explore the policy optimization ideas of peak carbon dioxide emissions to promote China's industrial system. On the basis of quantifying the carbon emission scale of various industries， the paper uses social network analysis method to identify the carbon flow direction and its transmission network characteristics among 38 industries in China from 1998 to 2016， and analyzes the structural characteristics. Further， based on the characteristics of carbon conduction， the industry is classified into four categories by block model analysis： net spillover， net absorption， spillover intermediary and absorption intermediary. According to the differences of carbon conduction characteristics among various industries， some suggestions are put forward， such as establishing an industrial carbon reduction "alliance" and rationally adjusting the structural proportion of spillover and absorption industries， so as to help the industry to fully peak carbon dioxide emissions， promote the optimization and upgrading of industrial structure and drive the regional green， low-carbon and high-quality development.

Key words：inter-industrial carbon conduction network; network association; net absorption industry; carbon peak