中国制造业碳排放的网络特征测度及其差异化影响效应研究

张同斌 高巍 马晴晴

摘要制造业作为我国主要的碳排放行业，其减排效果在很大程度上决定了总体碳减排目标的实现进程。随着制造业行业间的关联效应不断强化，在中间品流动的过程中碳排放也随之在行业间发生转移，隐含碳已经成为行业碳排放的重要组成部分。本文基于投入产出表构建中国制造业的“产出—碳排放”矩阵，采用网络分析方法研究碳排放的网络结构特征，选取面板校正标准误估计方法从要素密集和板块分布角度探究制造业碳排放影响效应的异质性，主要结论为：制造业网络结构特征对碳排放存在显著影响，中间产品流动导致的碳转移对制造业碳排放的影响效应得到充分体现。制造业的中心性特征对碳排放具有正向影响，行业之间的产业关联和碳排放联系增强，使得制造业总体碳排放量上升。劳动密集型行业主要处于产业链的中游，与产业分工地位对应的中心度对其碳排放的影响效应突出，资本密集型制造业基本位于产业链的两端，中心度对碳排放的影响明显不足。进一步将制造业划分为受益板块和溢出板块的结果表明，受益板块行业为碳排放网络中主要的碳排放引致行业，通过引入其他行业的中间产品，可以实现向其他行业的碳转移以减缓网络结构对其碳排放的影响，溢出板块行业为其他行业提供高碳产品的同时承担了过多的碳排放责任，受到碳排放网络结构的约束较大。在不同类型制造行业特征的基础上，应针对其网络结构特征制定分类减排的差异化方案，对于直接碳排放量较高的行业，应加快淘汰落后生产技术和更新先进的机械设备，降低高碳产品供给水平进而减少碳排放。针对大量高能耗中间品流入的制造业行业，优化生产结构并促使其减少高碳中间产品的使用，才能从根本上抑制输入型碳排放，以实现制造业碳减排目标。

关键词制造业碳排放;网络结构;碳转移;板块异质性;面板校正标准误估计方法

中图分类号F426文献标识码A文章编号1002-2104（2019）02-0166-11DOI：10.12062/cpre.20181022

控制和减少二氧化碳等温室气体的排放，是应对气候变化的主要途径，而当前国际碳减排的形势却不容乐观。2017年，全球CO2排放量达到了325亿t的历史新高，同比增长1.4%，打破了CO2排放量连续3年持平的状态。其中，中国二氧化碳排放量约为91亿t，占全球总量的28%，是世界主要的碳排放大国[1]。通过对中国各行业能源消耗与碳排放特征的研究发现，自2000年以来碳排放绝大部分是由工业能源消耗引致的，制造业能源消耗占工业的80%以上并呈现逐渐上升的趋势[2]。因此，制造业作为我国主要的碳排放行业，其减排效果在很大程度上决定了总体碳减排目标的实现进程。

产业规模的扩大为专业化的分工和协作提供了条件，致使各行业间中间产品的投入和使用量增大，行业间的关联效应不断强化。在中间品流动的过程中，碳排放也随之在行业间发生转移。随着制造业各子行业间的产业关联逐渐增强，中间产品使用产生的间接碳排放在碳排放总量中的比重逐年上升，隐含碳已经成为行业碳排放的重要组成部分[3]。如果只考虑制造业的直接碳排放，并针对直接碳排放量较高的行业进行減排，将忽视行业间碳转移的问题，导致制造业子行业间的碳泄漏现象，不仅会减弱碳减排的效果，而且对碳减排政策的制定存在一定的误导性，无法从根本上进行有效的碳减排。

1制造业碳排放问题的研究述评

现有文献对制造业碳排放问题的研究主要集中于两个方面：一是研究制造业碳排放的影响因素，如行业产值、能源强度、能源结构等。大多数学者研究发现经济发展和终端能源强度是推动二氧化碳排放变化的主要因素[4-7]。由于制造业各行业的发展特征不同，碳排放各驱动因素对不同类型行业的碳排放量呈现差异化的影响。例如，能源消费规模对重工业碳排放的“促增效应”显著高于轻工业[8]，金属制品业能源结构变动对碳排放的影响效应高于其他行业[9]。因此，不同类型制造业行业碳排放影响因素及其影响效应的异质性特征突出，应在多维视角下对各类制造业行业的碳排放进行差异化的研究。

二是从行业间碳排放关联的视角进行分析，在国内外文献中，对于区域之间碳转移的存在性及其测度的研究较为常见[10-13]，对于行业间碳转移问题的研究相对较少但逐渐增多。例如，部分学者研究表明，绝大多数工业部门的引致碳排放远高于直接碳排放，部门间碳转移是构成工业部门完全碳排放的主要部分[14-16]，且工业部门为非工业部门提供了较多的中间产品[17]，非工业部门将碳排放转移到工业部门[18]。在行业间碳转移驱动因素的研究中，李新运等[19]认为各行业产出变动和碳排放强度变动是造成间接碳排放变化的主要原因，细分的研究如孙立成等[18]指出碳排放强度效应是产业碳转移减少的关键因素，而中间生产技术效应和投入规模效应则是碳转移增加的因素。

综合上述文献可得，有关制造业碳排放问题的研究已经较为全面，同时存在一定的研究空间：在碳转移问题的研究中，仅对各行业之间碳转移量进行测算，会忽略制造业碳排放系统内部结构特征对行业碳排放的影响;在不同制造行业碳排放问题的研究中，针对产业特征对行业进行合理分类，进而考察碳排放异质性的研究还不充分。因此，本文基于投入产出表构建“产出—碳排放”矩阵，采用网络分析方法研究中国制造业碳排放的整体结构特征，检验制造业碳排放网络结构对碳排放的影响效应。在此基础上，进一步采用面板校正标准误估计方法从生产要素异质性和板块分布异质性两个角度，探究不同类型制造业行业中碳排放影响效应的异质性，为推动绿色制造和实体经济高质量发展提供实证支持。

2“产出-碳排放”矩阵的构建与网络分析方法

2.1制造业“产出-碳排放”矩阵的构建

投入产出表是行业之间中间产品投入和使用关系的重要体现形式，将其与碳排放数据相结合，能够合理地测度制造业系统行业内的碳排放量和行业间的碳转移量。本文从最终需求的角度对制造业各行业的碳排放量进行测度，包括直接碳排放和间接碳排放两部分。直接碳排放指的是制造业行业在生产过程中为满足自身单位最终需求产生的碳排放量，而间接碳排放，即引致碳排放则是为满足本行业单位最终需求所消耗的其他行业产品生产过程中产生的碳排放量。

3数据来源和变量计算

投入产出表是构建“产出—碳排放”矩阵的基础，本文中采用的投入产出表来自于世界投入产出数据库（Word InputOutput Database，WIOD）中公布的中国投入产出数据。WIOD数据库中公布了1997—2014年18年的中国投入产出表，由于WIOD投入产出表中的行业分类与中国国民经济行业分类中制造业的划分标准不一致，本文以国际标准行业分类（ISIC Rev.4）为基准，将制造业各个子行业归并为13个行业制造业行业名称为：食品，饮料和烟草;纺织品，皮革和鞋类;木材和软木产品;纸张，印刷和出版;焦炭，精炼石油和核燃料;化工产品;橡胶和塑料;其他非金属矿物;基本金属和制造金属;机械;电气和光学设备;运输设备;其他制造业行业。。

3.1碳排放计算

在制造业各子行业碳排放量变量（Carbon）的计算中，与大多数文献一致，本文参照联合国政府间气候变化专门委员会（IPCC）提出的碳排放测算方法，采用行业各类能源的消耗量、能源转换系数和能源碳排放因子的乘积之和作为行业碳排放量的近似。鉴于数据的可得性，本文选取具有代表性的煤、焦炭、原油、天然气等9种能源测度各行业的碳排放量，其中各能源的折标准煤系数（能源转换系数）来自于《中国能源统计年鉴》，各能源的碳排放因子参考了2007年IPCC第四次评估报告的结果。

3.2控制变量的选取

固定资产投资是中国经济增长的重要推动力之一，其中，相当一部分投资引致了大量的以化石能源为主的能源消耗和相应的碳排放激增，致使中国经济陷入了“产业投资—经济增长—能源消耗—碳排放”的发展模式[8]。参考国内外文献中有关碳排放影响因素的研究设计，本文选取了行业规模、行业投资和能源消耗结构作为影响制造业碳排放的控制变量。

（1）行业总产值指标：当前中国大多数制造行业的发展尚未从根本上摆脱对化石能源的依赖，行业产出规模的扩张会导致碳排放量的增加。并且，基于经济增长与环境污染之间存在倒“U”型环境库兹涅茨曲线的假说，部分制造业行业产值与碳排放之间也可能存在类似关系，因此本文在模型中加入行业总产值的二次项。行业总产值数据来源于《中国工业统计年鉴》中的工业总产值，记为Y。

（2）人均固定资产投资指标：投资的增长能够在一定程度上通过行业生产规模的扩大促进能源消耗量的增加，进而引致碳排放量的增长。人均投资水平用行业固定资产投资除以全部从业人员年平均人数来度量，记为Pinv，数据来源于《中国工业统计年鉴》和作者计算。

（3）能源消耗结构指标：在工业生产中，煤炭消耗是产生二氧化碳的直接来源，在总能源消耗量中煤炭占比的上升，将加大行业的碳排放量。本文采用制造业各子行业的煤炭消耗量与该行业总能源消耗量的比值代表能源消耗结构（Str），数据来自于《中国能源统计年鉴》。

4制造业网络结构效应对碳排放影响的实证研究

4.1制造业整体网络特征变量对碳排放的影响效应

4.1.1模型构建与估计方法

本文選取1997—2014年制造业13个子行业的平衡面板数据，构建面板计量经济模型进行分析。具体而言，本文以中国制造业各子行业的碳排放量（Carbonit）为研究对象，选取行业总产值（Yit）及其平方项（Yit2）、行业人均固定资产投资（Pinvit）、能源消耗结构（Strit）作为控制变量，将网络特征变量点入度（Indit）、点出度（Outdit）、度数中心度（Deit）、中间中心度（CABit）、接近中心度（CAPit）逐一加入到模型中，分析制造业碳排放网络的结构特征对于行业碳排放的影响，模型形式如式（7）所示。

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

由于面板数据模型的回归结果对样本数据的方差较为敏感，特别是在以中国制造业各子行业为研究样本时，面板数据会因为不同行业之间规模存在较大差异而产生严重的异方差问题，而且面板序列相关现象也不容忽视。为得到准确的回归结果，本文采用面板校正标准误（PanelCorrected Standard Error，PCSE）方法进行模型（7）的估计。

当面板数据模型存在复杂的误差结构时，如序列相关、异方差等，会导致采用普通最小二乘（OLS）方法得到的估计量是无偏、一致且非有效的，此时统计检验将会失效。Beck and Katz[25]提出了面板校正标准误（PCSE）估计方法，该方法在对模型的标准误进行校正后，继续使用普通最小二乘法估计可以得到有效的估计量，在小样本的情况下效果也十分显著。

4.1.2模型估计结果与分析

本文基于1997—2014年中国制造业全部子行业样本，采用面板校正标准误（PCSE）方法对模型（7）进行估计，得到制造业整体行业网络结构特征对碳排放影响效应的估计结果，如表1所示。

由表1中的结果可得，在制造业碳排放系统中，网络特征变量对行业碳排放量存在显著影响。其中，点入度、点出度对制造业碳排放影响的估计系数分别为-0.941、1.278，且在1%的显著性水平下显著。点入度的提高会导致制造业碳排放量减少，而点出度提高会导致行业碳排放量增加，这主要是中间产品流动导致的碳转移对制造业碳排放影响效应的体现。如前所述，在制造业生产网络中，下游行业通过引进中间产品减少了本行业的生产环节，进而降低了自身的碳排放量，上游行业为中下游行业所提供

的中间产品主要为原材料及能源密集型产品，生产过程中消耗大量的能源导致本行业碳排放量增加。根据第三部分碳排放量的测算数据以及构建的“产出—碳排放矩阵”计算可得，2014年我国制造业碳排放总量达到2 321.90百万t，较1997年增加了196.52%，这一期间制造业产业关联导致的隐含碳排放量增长幅度达到252.56%，制造业内部隐含碳的增长幅度明显高于制造业碳排放总量的增长幅度，并且1997—2014年我国制造业间接碳排放量约为直接碳排放量的1.49倍，中间品流动及碳转移对制造

业碳排放的影响效应十分显著。

中心度的影响效应方面，表1显示，度数中心度、中间中心度和接近中心度的回归系数分别显著为0.776 5、0.570 1和0.176 3，表明制造业各行业的中心性特征对行业碳排放具有正向影响，即制造业中心度增强会导致行业碳排放量增加。在制造业碳排放关联网络中，度数中心度提高意味着行业与其他行业之间建立了更为广泛的联系，产业关联和碳排放关联增强，行业间的碳转移量增长;较高的中间中心度表明行业对其他制造行业碳排放流动方向和数量的引导力、控制力提高，行业间存在的碳排放间接联系逐渐增强;接近中心度的提高使得制造业碳排放网络中各行业之间的相互联系更加密切，甚至处于相对边缘位置的行业与其他行业之间建立起碳排放联系，从而使得行业间碳排放关联进一步加强。

制造业整体网络中心性的提高促使各子行业间的直接、间接碳排放联系增强，行业总体碳排放量上升。根据“产出—碳排放矩阵”计算可得，1997—2014年，中国制造业碳排放网络中行业间的碳排放联系由70个增加至91个，制造业隐含碳排放量占制造业碳排放总量的比重由49.31%上升至58.63%，提高了近9个百分点，行业间的碳排放联系与碳排放量均呈现上升趋势。

在制造业碳排放网络中，某一行业与其他行业之间的直接联系越多，越能发挥其作为中间行业为其他行业建立碳排放间接联系的“桥梁”作用，拥有较高度数中心度的行业，一般而言其中间中心度也较高。此外，拥有广泛的直接联系是行业与其他行业之间建立间接联系的前提，度数中心度高的行业其接近中心度通常也越高。因此，度数中心度、中间中心度和接近中心度的行业排名基本一致，三种中心度对制造业碳排放影响效应的方向也相同。

4.2分行业类型网络特征变量对行业碳排放的影响效应

在制造业生产体系中，不同类型行业网络特征对碳排放的影响效应也不尽相同。本文参考王栋等[26]的行业分类标准，将制造业划分为劳动密集型行业和资本密集型行业两大类劳动密集型行业为：食品，饮料和烟草;纺织品，皮革和鞋类;木材和软木产品;纸张，印刷和出版。資本密集型行业为：焦炭，精炼石油和核燃料;化工产品;橡胶和塑料;其他非金属矿物;基本金属和制造金属;机械;电气和光学设备;运输设备;其他制造业行业。此外，资本密集型行业还可以进一步划分为资源密集型行业和技术密集型行业。。

板校正标准误方法估计得到其网络结构特征对碳排放的影响效应结果，列于表2。

表2显示，劳动密集型制造行业点入度、点出度对碳排放的影响系数分别显著为0.087 7、0.159 4，说明点入度或点出度增大会导致该类行业的碳排放量上升，点出度对其碳排放的影响效应较为显著。点出度对碳排放的影响为正，与全部制造业样本回归中的影响方向一致。与之不同，点入度对行业碳排放存在正向影响，与整体回归中的结果相反。原因在于，劳动密集型行业的主要投入为能源产品和原材料等，在其他中间产品对其原材料等产品的替代性较弱的情形下，要素价格上升引发的生产成本上升导致劳动密集型行业竞争优势减弱、技术进步缓慢，设备的更新速度减缓，碳排放量没有得到有效控制而出现上升。

更为重要的是，部分劳动密集型行业自身的生产特征决定了其点入度增大导致碳排放上升的特征，以印刷和出版行业为例，由于该行业为高污染和高排放行业，点入度上升，即其他行业为其提供更多的中间产品时，产品流入一方面减少了其自身的碳排放，另一方面也促使其产出规模扩大、能源消耗增长和碳排放量增加，碳排放量的变动取决于两种效应的大小关系。当生产规模扩大对碳排放的促进作用超过了产品流入对碳排放的抑制作用时，就会导致碳排放量呈现上升趋势。

劳动密集型行业度数中心度、中间中心度和接近中心度对碳排放的影响系数均显著为正。当度数中心度提高时，劳动密集型行业与其他行业之间的联系增多，产业关联带来的规模效应推动了行业产出增长和碳排放量增加。中间中心度和接近中心度的提高在一定程度上也是劳动密集型行业直接关联效应增强的体现，因此两者对劳动密集型行业碳排放的影响方向与度数中心度一致。由表2可得，与度数中心度、接近中心度相比，中间中心度对行业碳排放的影响效应最大，这是由于劳动密集型行业主要从事加工、组装、制造等活动，处于产业链的中游水平，与其产业链分工地位相对应的中间中心度对于其生产活动和碳排放的影响效应十分显著。由于中间中心度对碳排放的控制作用明显，在劳动密集型行业的碳减排中，应对重点行业施加更多约束，能够达到较好的减排效果。

4.2.2资本密集型行业网络特征变量对行业碳排放的影响

与劳动密集型行业类似，本文选取资本密集型行业样本，采用面板校正标准误估计方法对模型（7）进行估计，检验网络结构对其碳排放的影响，估计结果如表3所示。

根据表3可知，对于资本密集型制造行业而言，点入度、点出度回归系数分别为-1.622 9、1.458 9，均在1%的显著性水平下显著，与全部样本回归中的出入度对碳排放影响的方向一致，程度近似。原因在于，资本密集型制造业是制造业中间生产活动的主体，其中间产品使用量占制造业中间产品使用总量的87.19%，资本密集型行业也成为主要的碳排放行业，在较高程度上反映了制造业整体的碳排放特征。根据本文第三部分中碳排放量的测算结果可得，1997—2014年，我国制造业碳排放量增长的1 685.61百万t中，劳动密集型行业和资本密集型行业的碳排放分别增长了121.82百万t和1 563.79百万t，对制造业碳排放增长的贡献率分别为7.23%和92.77%。并且，资本密集型行业与其他行业之间的前后向关联效应较强，在碳排放网络中易于受到中间品流动的影响。

然而，与出入度不同，表3显示，度数中心度、接近中心度和中间中心度对资本密集型行业碳排放的影响系数均不显著，资本密集型行业稳定和分散的网络结构减弱了中心度对其碳排放的影响。可能的解释是：第一，基于生产结构视角分析，结合中国投入产出表的计算可知，1997—2014年，资本密集型行业来自自身的中间使用和中间投入分别占其全部中间使用和全部中间投入的88.22%、88.77%，“自给自足”的特征十分突出，该类行业内部的生产网络结构关系十分稳定，碳排放受到其他行业控制或控制其他行业碳排放的程度较低。

第二，基于“产出—碳排放”矩阵的计算结果，1997—2014年，我国资本密集型行业的三种中心度在整个制造业碳排放网络中的位置排名靠前，并且几乎没有发生变化。资本密集型行业中的化工产品行业、精炼石油和核燃料行业、基本金属和制造金属行业、机械行业等，其中心性均大于制造业的平均水平。此外，资本密集型行业中各个子行业的中心性差距较小，说明在资本密集型行业碳排放的子网络中，不存在地位突出的主导型行业，进而导致中心度对碳排放的影响效应不足。

第三，资本密集型行业中心度对碳排放的影响作用微弱，主要还是由产业分工或行业在产业链中所处的位置决定的，通过对资本密集型行业的分析发现，该类行业可以进一步划分为资源密集型行业和技术密集型行业，一般而言，资源密集型、技术密集型行业分别处于产业链的上游和下游环节，即位于产业链的两端，加之产业链长度的影响，致使在资本密集型制造业碳排放子网络中，中间中心度、接近中心度的影响效应是不显著的。

需要注意的是，对比表2和表3可得，与劳动密集型行业相比，资本密集型行业点入度、点出度两种网络结构特征变量对碳排放的影响效应更大且更为显著，这在部分上取决于两类行业的生产规模和产业关联特征的差异。一方面，在投入规模上，根据中国投入产出表的计算结果表明，1997—2014年，资本密集型行业的中间使用量、中间投入量分别为劳动密集型行业的10.95倍和6.49倍，体现出资本密集型行业在制造业生产网络中的参与程度远高于劳动密集型行业，且资本密集型行业的中间使用量和中间投入量增长幅度接近劳动密集型行业的2倍;另一方面，从产业关联关系角度分析，资本密集型行业的前向和后向产业关联系数均大于劳动密集型行业[28]，其生产活动与其他行业生产活动之间的相互影响更为显著，因而更容易发生碳转移和碳溢出现象，出入度对碳排放的影响程度较高。

5制造业碳排放的板块特征分析及异质性研究

5.1制造业行业的板块划分及特征分析

仅将行业划分为劳动密集型行业和资本密集型行业，这对于中国制造业碳排放异质性特征的研究是不足的。为进一步从网络结构的角度研究不同类型制造行业碳排放的异质性，本文通过块模型揭示制造业各子行业在碳排放关联网络中的聚类特征。借助UCINET软件，本文采用社会网络分析中的CONCOR方法，将最大的分割深度设定为2，收敛标准设定为0.2，得到制造业各子行业的板块

分类结果。参考Girvan and Newman[29]的研究方法，依据板块内部关系与板块间关系的数量特征，可以将制造业板块划分为四种类型：主受益板块、主溢出板块、双向溢出板块和经纪人板块。

各类板块的特征为，主受益板块中的制造业行业接收来自板块外部行业的碳排放关系明显多于对其他板块的碳排放溢出关系，主要表现为碳排放的接收;主溢出板块内制造业行业对其他板块发出的碳排放关系要明显多于接收的其他板块的碳排放关系，典型特征为碳排放的溢出;双向溢出板块、经纪人板块中的制造业行业既发出关系也接收其他板块的关系，两者的区别在于板块内部行业之间的碳排放联系较多还是较少。

本文根据块模型方法对制造业各子行业进行归类，得到1997—2014年13个制造业行业所在的板块及其类别。经过整理发现，除个别年份外，制造业各子行业主要分布在主受益板块和双向溢出板块中，两类板块的明显特征分别为碳排放关系的接收和溢出。为简化起见，本文分别将主受益板块、双向溢出板块称为受益板块和溢出板块①。

对受益板块和溢出板块中行业的特征进行分析可得，受益板块中的制造业行业生产规模较大，但其中间产品主要由其他行业供给，来自本行业自身的中间产品占比较低。溢出板块中的制造行业多属于能源行业或原材料行业，主要生产能耗高、附加值低的初级产品，在制造业生产系统和碳排放网络中处于核心位置，与其他产业具有较强的前向和后向关联，该类行业的碳排放水平较高。

5.2不同板块行业类型中碳排放的异质性分析

5.2.1受益板块行业网络特征变量对行业碳排放的影响

与第四部分类似，本文基于受益板块行业样本，采用面板校正標准误（PCSE）估计方法对模型（7）进行估计，得到这类行业网络特征变量对碳排放影响效应的估计结果表4。

由表4中的估计结果可知，在受益板块制造行业碳排放的影响因素中，点入度和点出度变量前的回归系数分别为-0.243 7和0.382 3，都在1%的显著性水平下显著，即点入度的提高、点出度的降低能够减少行业碳排放。根据投入产出表和“产出—碳排放”矩阵的计算结果显示，受益板块中机械、运输设备等行业对焦炭，精炼石油和核燃料、化工产品等能源密集型行业中间产品的使用量较多，1997—2014年受益板块行业使用中间产品引致的碳排放量占制造业隐含碳排放量的比重高达84.97%，因此受益行业在中间产品消耗的过程中，碳转移量较大。此外，点入度提高时，除了输入产品减少了该类行业的碳排放之外，受益板块行业中包括部分高技术行业，生产技术更新速度快，能够实现对输入产品的优化配置，也在一定程度上减少了碳排放量，充分体现了该类行业在碳排放网络中的“受益”特征。

表4中的数据显示，度数中心度、接近中心度对受益板块制造业行业碳排放的影响效应显著为正，而中间中心度对碳排放的影响系数为-0.217 5，仅在10%的显著性水平下显著。由于受益板块行业大多为技术密集型行业和消费品工业，处于产业链的下游，如前所述，产业分工导致中间中心度对该类行业碳排放的影响程度有限。并且，受益板块类型行业中间中心度提高时，对其他行业碳排放的控制作用增强，其可以充分利用自身的先进技术实现对生产过程中碳排放的有效控制，使得碳排放量呈现略微下降的趋势。

5.2.2溢出板块行业网络特征变量对行业碳排放的影响

本文又基于溢出板块行业样本，采用面板校正标准误方法估计得到该类行业网络结构特征对碳排放的影响效应结果，列于表5。

根据表5中的结果可得，点入度、点出度对溢出板块制造行业碳排放的影响系数分别在1%的显著性水平下显著为1.149 4和0.826 1，这表明在溢出板块行业中点入度、点出度的提高都会增加行业的碳排放量。点入度对溢出板块行业碳排放的影响为正，与该类行业自身的生产特征紧密相关。通过对溢出板块行业的分析可得，该板块

内部的大部分行业，如印刷和出版、精炼石油和核燃料、化工产品、橡胶和塑料等行业为高污染和高排放行业。据测算，1997—2014年，溢出板块制造行业的能源消耗量约占制造业能源消耗总量的85.02%，点入度上升时，其生产规模扩大会导致自身的碳排放量显著增长。

基于投入产出表的数据可得，1997—2014年，溢出板块中行业供给的中间品数量是其需求的中间品数量的1.8倍，这进一步说明，与其他行业中间产品输入减少的碳排放相比，该板块中行业的生产规模扩大引致的碳排放量占主要地位，即其生产扩张的引致碳排放量高于产品输入的转移碳排放量，总体表现为点入度提高导致溢出板块行业碳排放增加。点出度提高表明溢出板块制造行业为其他行业承担的碳排放增多，行业碳排放量上升。

在溢出板块碳排放的影响因素中，表5显示，度数中心度、接近中心度和中间中心度变量前的回归系数均高度显著为正，其中，度数中心度对该类行业碳排放的影响效应最大，这与整体制造业中的估计结果类似。溢出板块类型行业主要以输出能源产品、高碳产品为主，属于基础性行业。在板块外部，溢出板块制造行业与其他行业的直接关联强度、对其他行业碳排放的控制程度均较高;在板块内部，溢出板块行业还高度依赖于自身资源能源投入，当溢出板块行业的中心度提升时，将直接和间接地导致其他行业对其中间品的需求增长，进而能源产品、高碳产品的消耗量增长使得行业碳排放量增加，碳排放的溢出效应十分明显。

对比表4和表5中受益板块、溢出板块的估计结果可以得出，溢出板块中制造业行业的网络结构特征对碳排放的影响效应高于受益板块行业，这取决于两类板块中所包含行业的类型。如前所述，受益板块中的制造业行业大多为技术密集型行业、消费品工业等，这类行业在制造业碳排放关联网络中是主要的碳排放引致行业，在碳排放网络控制中处于主动地位，可以实现由自身向其他行业的碳转移，减缓网络结构对其碳排放的影响;与之相对，溢出板块行业主要为高碳排放行业和能源密集型行业，为其他行业提供高碳产品的同时承担了过多的碳排放责任，相较于受益板块行业，溢出板块行业在制造业碳排放网络中处于相对被动的位置，受到碳排放网络结构的约束限制较大。

6结论

本文基于投入产出表构建“产出-碳排放”矩阵，采用网络分析方法研究中国制造业碳排放的网络结构特征，在此基础上，采用面板校正标准误估计方法从要素密集和板块分布角度，探究不同类型制造业行业中碳排放影响效应的异质性，主要研究结论为：

在制造业碳排放系统中，网络结构特征对碳排放存在显著影响，中间产品流动导致的碳转移对制造业碳排放的影响效应得到了充分体现。在制造业产业链中，下游行业通过引进中间产品减少了本行业的生产环节，降低了自身的碳排放量，上游行业为中下游行业提供原材料和能源密集型中间产品，致使自身碳排放量增加。制造业的中心性特征对碳排放具有正向影响，行业之间的产业关联和碳排放联系增强，或行业对其他制造行业碳排放流动的控制力提高，都会使得制造业总体碳排放量上升。

分行业类型的估计结果显示，劳动密集型行业主要从事加工和组装等活动，处于产业链的中游水平，与其产业链分工地位相对应的中心度对于其生产活动和碳排放的影响效应显著。资本密集型制造业是制造业中间生产活动的主体和主要的碳排放行业，各个子行业基本位于产业链的两端、中心性差距较小，因此中心度对碳排放的影响效应不足，碳排放受到其他行业控制或控制其他行业碳排放的程度较低。

本文进一步通过块模型将制造业划分为受益板块和溢出板块。估计结果表明，受益板块中的行业大多为制造业网络中的碳排放引致行业，通过引入其他行业的中间产品实现碳转移，能够在一定程度上主导网络结构的变化并减弱其对自身碳排放的影响。溢出板块行业为其他行业提供高能耗和高排放中间产品，在制造业碳排放网络中处于“产品输出、碳输入”的相对被动位置，受到碳排放网络结构的影响程度較高。

从碳排放网络的视角分析中国制造业行业间的碳转移和碳溢出现象，综合考虑了不同行业直接、间接碳排放特征，有助于对制造业采取合理且有针对性的分类减排控制措施，达到有效的碳减排。与此同时，通过挖掘制造业行业的碳排放关联特征，可以充分认识产品和碳排放在各行业之间的流动关系，找出真正的、潜在的高能耗行业，并及时对产业结构进行优化调整，这不仅是对我国节能减排政策的积极响应，而且可以对经济结构和产业结构转型发挥积极贡献，实现经济社会的高质量发展。本文的研究还存在一定的不足之处，在“产出—碳排放”矩阵的构建中，应采取更为科学合理的方法确定门限值。另外，还应对不同的制造业行业进行更多分类，以充分研究各类制造业碳排放特征的异质性等。

（编辑：于杰）

参考文献

[1]国际能源署. 全球能源和二氧化碳现状报告2017[R]. 2018.

[2]唐晓华， 刘相锋. 能源强度与中国制造业产业结构优化实证[J]. 中国人口·资源与环境， 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， 张曦， 赵兴荣. 中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J]. 中国工业经济， 2017（3）： 44-63.

[9]李新运， 吴学锰， 马俏俏. 我国行业碳排放量测算及影响因素的结构分解分析[J]. 统计研究， 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. 对外贸易、区域间贸易与碳排放转移——基于中国地区投入产出表的研究[J]. 财经研究， 2017， 43（11）： 57-69.

[13]王安静， 冯宗宪， 孟渤. 中国30省份的碳排放测算以及碳转移研究[J]. 数量经济技术经济研究， 2017（8）： 89-104.

[14]陈红敏. 包含工业生产过程碳排放的产业部门隐含碳研究[J]. 中国人口·资源与环境， 2009（3）： 25-30.

[15]徐盈之， 胡永舜. 中国制造业部门碳排放的差异分析——基于投入产出模型的分解研究[J]. 软科学， 2011， 25（4）： 69-75.

[16]杨顺顺. 中国工业部门碳排放转移评价及预测研究[J]. 中国工业经济， 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]张为付， 李逢春， 胡雅蓓. 中国CO2排放的省际转移与减排责任度量研究[J]. 中国工业经济， 2014（3）： 57-69.

[19]孙立成， 蒋玲玲， 张济建. 产业间碳排放转移结构分解及演变特征研究[J]. 商业研究， 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]刘军. 整体网分析[M]. 上海： 格致出版社， 2014： 126-136.

[25]刘华军， 刘传明. 环境污染空间溢出的网络结构及其解释——基于1997—2013年中国省际数据的经验考察[J]. 经济与管理评论， 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]王栋， 潘文卿， 刘庆， 等. 中国产业CO2排放的因素分解： 基于LMDI模型[J]. 系统工程理论与实践， 2012， 32（6）： 1193-1203.

[28]王岳平， 葛岳静. 我国产业结构的投入产出关联特征分析[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.