区域碳排放空间转移特征及其经济溢出效应

孙立成+程发新+李群

收稿日期：2014-04-02

作者简介：孙立成，博士，副教授，主要研究方向为碳排放转移分析。

基金项目：国家自然科学基金项目“基于产品全生命周期的企业低碳制造战略形成机制与驱动模式研究：以水泥行业为例”(编号：71273118)；教育部人文社会科学研究青年基金项目“区域碳排放转移驱动机制及其对碳减排配额初始分配影响研究”(编号：13YJC630141)；教育部高校博士点基金新教师类项目“区域间商品流动和碳排放转移效应：模型与实证研究”(编号：20123227120010)。

摘要准确把握区域碳排放转移的空间转移特征，明确其经济溢出效应是引导区域碳排放合理转移的基础。以中国省际区域为研究对象，以投入产出表为基础，采用碳排放系数法分别测算了中国省际区域碳排放转入总量及碳排放转出总量；通过构建基于地理特征和经济特征的空间权重矩阵，综合运用Morans I指数和地理加权回归模型分别研究了中国省际区域碳排放转移的空间分布特征及其经济溢出效应。研究结果表明：中国各省碳排放转移总量均较大，其中碳排放转入总量大于碳排放转出总量，东部及中部较发达地区均具有正的净转移特征；中国省际区域碳排放转入和碳排放转出的Morans I指数分别为0.17和0.14，表明中国省际区域碳排放转移在整体上具有一定的空间集群特征；中国省际区域碳排放转移在局部空间主要表现为L-L模式和H-H模式。其中东部及中部经济较为发达的地区表现为H-H模式，西部地区及中部欠发达地区表现为L-L模式,而中部地区则表现为L-H模式或H-L模式为主；中国省际区域碳排放转移经济溢出类型主要有五种具有区域特征的溢出模式，其中中国省际区域碳排放转入所产生的经济溢出效应要强于碳排放转出。最后，针对研究结果，分析了其产生的可能原因，并提出相应的优化对策和建议。

关键词碳排放转移；经济溢出效应；Morans I指数；地理加权回归模型

中图分类号X24文献标识码A文章编号1002-2104（2014）08-0017-07doi:10.3969/j.issn.1002-2104.2014.08.003

自《京都议定书》生效以来，区域间碳排放转移现象已日益显现。数据表明，发展中国家温室气体排放增长量的1/4源自于发达国家商品和服务贸易的增加［1］，其中中国每年碳排放转移量就高达12亿t，占中国目前碳排放总量的近20%。2011年3月颁布的《低碳经济蓝皮书:中国低碳经济发展报告(2011)》也指出，中国制造1个芭比娃娃要承受3/4的碳排放。然而，由于当前有关地区碳排放配额的划分均是以区域本土碳排放为核算基准，忽略了区域间碳排放转移的潜在影响，致使区域碳减排责任难以清晰地加以界定。因此，当前众多学者针对区域碳排放转移问题展开了较为详细的研究。早期学者们主要应用Merge, GREEN, GTAP-E等模型模拟测算了各区域的碳排放转移量，结果表明:在现有的可能存在的情景下，区域间碳排放转移现象均普遍存在，且碳转移偏高的概率较大［2-6］。随后，考虑到上述模型的局限性，一些学者采用投入产出等模型测算了英国、美国等发达国家对中国的碳排放净转移量，结果显示其值在7%-23%左右［7-13］。就流向而言，McKibbi［14］等则通过测算表明大多数碳排放转移将发生在减排国家之间，而不是流向非减排国家。而李小平和卢现祥［15］则从具体行业的角度指出，中国没有通过国际贸易成为发达国家的“污染产业天堂”。姚亮和刘晶茹［16］则利用EIO-LCA 方法及1997 年中国区域间投入产出表分析中国八大区域间产品(服务)以及隐含的碳排放在区域之间流动和转移总量规律。然而，由于中国是世界CO2排放最多的发展中国家，且中国幅员辽阔，各区域在地理空间分布、资源格局、产业结构及经济发展水平等方面不但有着较大的差异，而且这些区域有着较强的空间相关性；而现有的研究较少分析中国省际区域间碳排放的空间转移特征，也没有就碳排放转移的经济溢出效应展开研究。实践表明，要保证中国经济高速发展, 实现中国政府及各省际区域既定的减排目标，就需要准确把握区域碳排放空间转移特征, 明确其经济溢出效应，有效引导碳排放在中国省际区域间合理转移，这也是本文研究的出发点。

1变量及数据1.1碳排放转移测算当前有关碳排放转移的测算方法主要有以下几类［17］：实测法或物料衡算法、模型测算法、生命周期法及排放系数法等。由于在短期条件下碳排放系数法具有较强的实用性，从数据的可得性来看也比较适用于区域碳排放转移的核算分析。考虑到现有统计数据的限制，本文选取碳排放系数法来测算中国省际区域。

由于目前的碳排放系数是理想状态下的数值，而实际上各产业在生产过程中不同的技术水平、生产管理水平、能源的使用及工艺过程等各类影响因素的影响，具体到某个具体的产品可以随着时间的不同其碳排放系数也不一定相同，其计算公式具体如下：

EIi=∑i,jEIij×QIij=λIi×GIi(1)

EEi=∑i,jEEij×QEij=λEi×GEi(2)

Ei=EIi-EEi(3)

其中，EIi为i地区由外地区商品的流入而形成的碳排放转移量，即为外地区生产的商品却由i地区消费而形成的碳排放转移量；EEi为i地区由商品的流出而形成的碳排放转移量，即为i地区生产的商品由别的地方消费而形成的碳排放转移量；Ei为i地区由商品流动所形成的净转移量；EIij和QIij分别代表i地区流入商品j的碳排放系数及流入量，EEij和QEij分别代表i地区流出商品j的碳排放系数及流入量。考虑到有关区域i各具体流入和流出商品数量及各具体商品所产生的碳排放系数相关基础统计数据较为缺乏，因此，为方便起见，本文选用i地区流入和流出商品的资金流来核算其碳排放转移量，因此，上式中λIi和GIi分别代表i地区流入商品的平均碳排放强度及流入商品的产值，λEi和GEi分别代表i地区流出商品的平均碳排放强度及流出商品的产值。

1.2区域间空间权重变量构建

区域间空间权重变量是从外生信息视角反映了空间单元间相互依赖性和关联性，因此，为减少或消除区域间的外在影响，就需要提前确定空间权值变量。现有有关区域间空间权重变量主要采用邻近标准和距离标准来定义，然而，空间权重矩阵更多地是从地理空间联系的角度来确定的，而区域间碳排放转移属于区域经济管理范畴，地理空间联系往往不是唯一的决定因素。

因此，本文将以林光平等［18］提出的经济权重矩阵为基础，构建区域碳排放转移的经济权重矩阵，其基本形式如下：W*ij=Wij×Eij ，其中Wij即为空间地理位置权重矩阵，Eij为经济系数矩阵。考虑到经济发达地区对落后地区有着较大的辐射力和吸引力，因此，学者们通常将各地区实际GDP占所有地区GDP之和的比重刻画经济系数Eij［19］。由于在区域产业优化升级过程中，承接发达地区产业转移是形成碳排放转移的主要因素［20］，实践表明工业是形成碳排放的主体，因此，本文将各地区工业产值占总工业产值的比重来衡量Eij，据此，本文所构建的区域碳排放转移权重矩阵具体如下：

W*ij=Wij×Eij=Wij×diag(G1/G,G2/G…Gn/G)(4)

其中，Wij即为上述所阐述的地理空间距离权重矩阵，表明距离较近的两地区相互影响较大，而较远的两地区则较小。G1,G2…Gn表示n个空间单元工业总产值，G则表示所有地区工业总产值；Gi/G表示空间单元i的工业产值占总工业产值的比重，表明相对而言，工业发达地区对工业落后地区的经济有着较大的影响力，且落后地区所承接的碳排放转移量也相对较大；而落后地区之间或发达地区之间势必也会有相应的经济联系，也会产生一定的碳排放转移现象，但净碳排放转移量往往相对较少，而式(4)则表明，区域空间单元碳排放转移的相互联系是由地理空间距离和工业产值占总产值比重共同决定的。

1.3数据来源

本文以中国省际区域为研究对象，考虑到2012年《中国统计年鉴》中最新的投入产出表也是2007年的数据，虽然部分省份在2010年推出了延长版投入产出表，但由于未更新的省份较多，数据缺失较为严重。因此，本文所需的数据均来自于2007年中国各省市的投入产出表。为使得结果具有一致性和可信性，本文各指标的具体数据均以当年价进行核算。空间权重矩阵则主要是以国家地理信息系统网站提供的电子地图为基础，采用OpenGeoDa软件计算而得到的，而各省际区域工业产值占工业总产值数据则主要是来源于2012年《中国统计年鉴》。由于西藏数据缺失较多，因此本文研究中不包含西藏。

2区域碳排放空间转移特征分析

2.1中国省际区域总体碳排放空间转移特征分析

依据式(1)-(3)和相关数据，可得2007年中国各省际区域碳排放转出量、碳排放转入量及净转移量，其对比图具体如图1所示，从中可以得出以下两个结论：

(1)从总量来看，不论是各地区的碳排放转出量还是碳排放转入量均较大，且各地区碳排放转入总量要大于碳排放转出总量。说明由区域间商品流动所引发的碳排放转移现象在中国省际区域间已大量存在，而且这一存量的净值也是趋向于增强的态势。

(2)从碳排放转移的区域结构来看，碳排放转移净值为正的地区一共有18个，主要分布在东部和中部经济较为发达地区。其中，碳排放净碳转移量为正数排名最高的前三个地区分别是广东省、江苏省和浙江省，后三位的地区分别是江西、湖北和海南。而碳排放转移净值为负的12个地区基本都是西部欠发达地区。可见，从碳排放转移区域结构来看，较为发达地区往往凭借其产业结构乃至经济总量的优势，将其本该是其承担的碳排放转嫁到其他欠发达地区，而且经济越发达的地区其转移净值就越大。2.2区域碳排放转移空间相关性分析

为进一步判断中国省际区域碳排放空间转移特征，本文采用多数学者通常采用的Morans I指数法［21］来对中国省际区域碳排放转移进行自相关性检验。其表达式具体如下：

MoranI=∑ni=1∑nj=1Wij(Yi-Y)(Yj-Y)S2∑ni=1∑nj=1Wij(5)其中，S2=1n∑ni=1(Yi-Y),Y=1n∑ni=1Yi，Yi表示空间单元i的碳排放转移值，n为空间单元数，Wij为空间元的权重矩阵元素，具体是按式(4)求得。

依据上述方法及数据，在5%的显著水平下，2007年中国省际区域碳排放转入(EI)和碳排放转出 (EE)的Morans I指数分别为0.17和0.14。表明中国省际区域碳排放转移在整体上具有一定的空间集群特征。为深入剖析其集群特征，本文采用局域空间关系LISA法对其进行检验。由表1可以得出如下结论：从整体来看，无论是碳排放转入还是转出其Morans I散点图在局部空间上均表现为L-L模式和H-H模式为主，两种类型占总体比例的60%左右，其中L-L模式的比例要高于H-H模式。说明在整体上中国省际区域碳排放转移具有较强的空间集群特征，呈现出碳排放转移低的地区被碳排放转移低的地区包围的空间集群特征。从各具体省际区域来看主要有三个特征：一是表现为H-H模式的则主要是以发达地区为主，但也有少量中西部地区，如辽宁和河北地区的碳排放转入，辽宁和内蒙古两个地区的碳排放转出也处于H-H模式；二是表现为L-L模式的地区主要是西部地区或中部发展欠佳的地区；三是表现为L-H模式或H-L模式主要是中部地区，其中是以碳排放转移低的地区被高的地区包围的比例较大。

从其产生原因来看，可能有以下几点：一是随着国家和地区碳减排政策的制定和实施，发达地区既要保持经济的快速增长又要保证碳减排任务的实现，不可避免地会将图1中国省际区域碳排放转移结构对比图

Fig.1Carbon emission transfer structure comparison chart of the interprovince in China

表1Morans I散点图局部空间关联模式归类

Tab.1Local spatial association pattern classification of Morans I scatter plot

象限

Quadrant关联模式

Assocition pattern碳排放转入(EI)

Carbon emission in比例(%)

Proportion碳排放转出(EE)

Carbon emission out比例(%)

Proportion第一象限H-H模式江苏、浙江、上海、北京、山东、天津、辽宁、河北26.67江苏、浙江、上海、山东、安徽、辽宁、内蒙古23.33第二象限L-H模式福建、广西、安徽、江西、海南、内蒙古、吉林、山西26.67北京、天津、福建、黑龙江、广西、江西、海南、山西26.67第三象限L-L模式黑龙江、陕西、湖南、湖北、四川、重庆、青海、甘肃、云南、新疆、宁夏、贵州39.99湖南、湖北、四川、重庆、青海、甘肃、云南、新疆、宁夏、贵州33.33第四象限H-L模式广东、河南6.67广东、河南、陕西、河北、吉林16.67一些高污染高耗能的产业转移到别的地区，考虑到发达地区之间的经济联系较为密切，其共生模式虽然有一定的相似性，但其产业的差异性是其共生模式的主体，如：江苏的苏南模式和浙江的温州模式在产业结构及经济发展阶段上均有较大的差异性，同时中国发达省际区域位置以东部为主，其地理空间位置较为邻近，这些均使得其区位碳排放转移呈现H-H模式。但也有一些欠发达地区也存在H-H模式，这也是和该地区产业结构与区域位置有着一定的影响，如：内蒙古等地；二是由于中部地区在地理位置上联结了东西两大区域，且其所具备的产业形态往往是东部地区的上游产业，不论是人才储备还是相关产业资源的积累，其均对东部地区相关的产业转移有着较强的承担能力，因此，处于中部地区的相关省份在碳排放转移上大多数均表现为L-H模式，表明这些地区碳排放转移在空间分布具有异常性。具体到北京和天津两个地区来看，这两个地区的碳排放转入属于H-H模式，而其碳排放转出则属于L-H模式，说明这两个地区在主动转移碳排放和承接碳排放转移上有着较大的差异，更多地表现为净转移这一特征；三是由于西部欠发达地区数量较多，分布较广，且其有着较强的区域环境承载力，因此，其碳排放转入和转出均表现为较低水平，在地理空间上表现为碳排放低的区域集群的特征。

3区域碳排放空间转移经济溢出效应分析

从上述分析可以看出，区域间碳排放转移现象广泛存在于各省际区域，这既符合区域经济发展的需要也是实现区域碳减排目标一种重要手段，然而要判断区域碳排放转移是否合理，就需要研究其经济溢出效应。

3.1模型设定

考虑到上述中国省际区域碳排放转移的空间转移特征，传统的OLS法对变量进行整体估计显然不能反映出变量在不同空间上的非稳态性。本文主要采用地理加权回归模型来分别分析区域碳排放转出、碳排放转入及两者共同对区域经济的影响，其模型具体如下［22］：

Yi=β0(μi,υi)+∑kjβj(μi,υi)Xij+εi(6)

其中，Yi为省际区域i的GDP，Xij为区域i碳排放转移量，j表示碳排放转入或转出两种类型，βj即为Xij对Yi的影响系数，εi为第i个区域的随机误差，满足零均值、同方差、相互独立等基本假设。

依据式(6)本文主要设立以下三个模型，模型1和模型2分别仅用于考察区域碳排放转出或区域碳排放转入的经济溢出效应，而模型3则用于考察区域碳排放转出和转入共同存在的条件下的经济溢出效应。当模型系数项为正时，说明区域碳排放转移对区域经济的发展产生正向的影响，系数越大说明单位碳排放转移对区域经济增长的推动力越大，同时也表明该地区碳排放转移就越合理；当系数为负时，则与之相反，说明区域碳排放转移对区域经济发展有着一定阻碍作用，不利于区域经济的发展，说明该区域的碳排放转移不合理，系数绝对值的大小则反映了碳排放转移的不合理程度。

3.2结果分析

依据上述模型的设定及相关数据，本文主要应用SAM软件研究中国省际区域碳排放转移的经济溢出效应，以判断其空间转移的合理性与否。具体结果如表2所示。

在只考虑区域碳排放转出或碳排放转入单独影响的条件下，中国绝大部分省际区域的碳排放转移对区域经济增长均具有正向带动作用，具有正向的经济溢出效应。从模型1的EE系数可以看出，仅有山东、浙江，云南、贵州、重庆和四川6个地区为负，其他地区均为正数（见表2）。表明由这6个地区所生产的商品流到其他地区所形成的碳排放转移不但不能为该地区产生经济溢出效应，反而还具有一定的经济阻碍作用，其碳排放转出结构不合理。同样，从模型2的EI系数也可以看出，仅有浙江的碳排放转入量对其经济增长具有负面的影响，其他地区均带来了一定的增长（见表2）。这2个模型结果进一步说明，对于碳排放转出来说，由于山东等6个地区在承接其他地区产业的过程中要形成其他地区所需的商品，其所需的投资也相对较高，致使其所流出的商品很难带来所需的经济增长；而就碳排放转入而言，其系数也从侧面反映了各地区商品流入的结构，说明绝大多数地区商品的流入均为该地区经济带来了溢出效应。对于浙江省而言，由于其本身就是发达地区，处于产业链的下游产业较多，从其它地区所引入的商品作为中间商品的也较多，若从其他地区所引入的商品结构出现问题，则在一定程度上会阻碍其经济的增长，说明浙江省商品流入结构不合理。

从区域碳排放转出和碳排放转入共同对区域经济的影响来看，区域碳排放转入的经济溢出效应比碳排放转出要强。由模型3的EE系数和EI系数可以看出，其中EI系数为正值的地区一共有23个，EE系数为正值的地区共有13个（见表2），说明这些地区碳排放转入或转出均具有经济溢出效应，随着碳排放转入或转出的增加该地区的经济也趋向于增长，其碳排放转移相对较为合理。然而，由于山西等7个地区的EI系数为负（见表2），说明相比较于模型2的单独影响来看，在有碳排放转出存在的条件下这些地区的碳排放转入不合理，也即这些地区随着碳排放转入的增长其经济反而会有所减缓。同理，黑龙江等17个地区的EE系数也为负数（见表2），说明这些地区在碳排放转入的影响下，其碳排放转出也是不合理的，对区域经济的发展有阻碍的作用。因此，需进一步优化这些地区产业结构，从而从源头上优化其商品的流出或流入结构，以追求碳排放转出和碳排放转入经济溢出效应。

从区域结构来看，区域碳排放转移的经济溢出效应在东部、中部和西部三大区域间无明显差异，但就各具体地区而言则差异较大。由表2的模型3可以看出，各省际区域碳排放转移的经济溢出效应主要有5种类型：一是无论是区域碳排放转出系数还是碳排放转入系数其值均为正数的省份7个，有辽宁、江西、广西、新疆、四川、内蒙古和重庆。说明从整体影响来看，这7个地区不论是碳转入还

是碳转出均具有较强的经济溢出效应，区域碳排放转移较为合理，这与其本身的产业结构、环保政策及经济调控政策有着很大的关系，这些政策的制定使得这些地区与其他地区有着较好的商品流入及流出结构，从而带动了更多的经济增长。二是区域碳排放转出系数为负，但其绝对值小于碳排放转入系数的省份，有北京、天津、河北、黑龙江、吉林、贵州和甘肃等7个地区，说明这些地区每单位碳排放转入的经济溢出效应较高，不但能抵消其单位碳排放转出的负经济效应，而且还能带来区域经济的净增长，这些地区碳排放转入量越大，其经济增长效应就越高。因此，从表2区域碳排放转移地理加权回归结果表

Tab.2Geographically weighted regression result stable of regional carbon emissions transfer

省份

Province模型1

Model 1模型2

Model 2模型3

Model 3常数项

ConstantEE系数

EE coefficient常数项

ConstantEI系数

EI coefficient常数项

ConstantEE系数

EE coefficientEI系数

EI coefficient北京5 078.89 0.10 -759.30 0.18 -5 229.16 -0.09 0.33 天津5 771.04 0.09 -989.95 0.19 -5 229.16 -0.09 0.33 辽宁-12 797.41 0.68 -1 833.23 0.33 -14 999.41 0.51 0.22 江苏-9 927.15 0.66 1 450.50 0.21 148 438.18 -7.09 2.15 上海-6 238.47 0.51 -1 484.94 0.20 1 686.33 -1.96 1.12 山东24 905.19 -0.06 15 463.18 0.11 -579 137.09 6.38 -2.39 浙江41 136.53 -0.58 23 023.58 -0.07 32 089.90 -1.35 0.48 福建3 088.11 0.38 4 369.17 0.16 13 057.43 -2.98 1.46 广东2 173.21 0.34 5 010.28 0.13 -3 188.07 0.96 -0.24 海南668.12 0.36 1 466.50 0.15 495.26 0.44 -0.03 河北4 892.92 0.10 -1 206.66 0.19 -5 229.16 -0.09 0.33 黑龙江6 400.53 0.03 1 656.78 0.24 1 570.09 -0.180.42山西3 533.53 0.12 4 572.15 0.12 2 558.72 -0.18 0.42 河南5 001.73 0.30 5 001.89 0.26 7 147.65 -3.06 2.79 安徽-18 675.57 0.87 -394.97 0.24 148 438.18 -7.09 2.15 湖北6 025.92 0.29 6 102.97 0.24 7 527.41 -4.28 3.80 江西2 554.01 0.41 3 952.00 0.18 2 836.95 0.28 0.06 湖南5 246.25 0.22 5 078.85 0.20 10 967.79 4.13 -3.67 广西4 343.95 0.06 2 806.72 0.17 -6 506.20 0.23 0.56 吉林3 405.11 0.14 -877.58 0.31 1 570.09 -0.18 0.42 新疆-8.13 0.24 236.75 0.33 0.00 0.24 0.01 宁夏-1 102.31 0.25 1 144.93 0.15 4 491.88 -0.46 0.45 云南18 340.11 -0.75 -1 883.63 0.60 61 338.77 -2.11 -1.62 贵州7 638.81 -0.22 49.11 0.36 1 431.26 -0.05 0.31 青海8.57 0.24 548.08 0.28 0.00 0.24 -0.01 四川12 558.48 -0.37 -8 622.66 1.35 -16 912.54 0.30 1.73 甘肃-98.50 0.20 885.25 0.18 763.30 -0.08 0.37 陕西-2 308.13 0.33 1 143.75 0.18 -7 867.58 0.95 -0.41 内蒙古4 187.82 0.08 3 943.15 0.11 3 567.41 0.02 0.11 重庆5 690.22 -0.12 -6 383.39 1.05 -16 912.54 0.30 1.73 政策上来看，这些地区应加大碳排放转入的力度，提高净碳转移量。三是区域碳排放转出系数为负，但其绝对值却大于碳排放转入系数的省份，有江苏、上海、浙江、福建、河南、安徽、湖北和宁夏等8个地区。说明这些地区单位碳排放转出具有经济阻碍效应，单位碳排放转入的经济溢出效应抵消不了其阻碍效应。因此，从碳转移调控策略上来看，要加大碳排放转入的力度，减少碳排放转出，这样才有可能保证从整体上保障碳排放转移具有正的溢出效应。四是区域碳排放转出系数为正，但碳排放转入为负的省份，有山东、广东、海南、湖南、青海和陕西等7个地区。说明这些地区碳排放转出具有较强的经济溢出效应，而碳排放转入则对经济产生一定的阻碍作用，因此，加大碳排放转出力度对经济发展有着较强的促进作用。五是区域碳排放转出和转入均为负值的地区，只有云南省。说明无论是碳排放转入还是转出均不能促进云南经济的发展，其碳排放转入转出均不合理，需要进一步调控其产业结构，以适应当前经济发展的需求。

4结论与启示

通过对上述中国省际区域碳排放转移空间转移特征及其溢出效应的分析，可以得出如下结论：

(1)从总体来看，中国省际区域间碳排放转移总量均较大，其中各地区碳排放转入总量要大于碳排放转出总量，且碳排放转移净值为正的地区主要分布在广东省、江苏省和浙江省等东部或中部发达的18个地区，而碳排放转移净值为负的地区主要分布在山西、贵州和云南等西部或中部欠发达的12个地区。说明区域碳排放转移存在于中国各省际区域之间，且当前碳排放转移以转入为主、具有较为明显的区域地理特征。

(2)从具体的空间转移特征来看，中国省际区域间碳排放转移具有较强的空间集聚特征，即其碳排放转入或转出主要表现为L-L模式和H-H模式，占60%左右，其中以L-L模式为主，也即中国省际区域碳排放转移主要呈现低的碳排放转移地区被低的碳排放转移地区包围的地理空间特征；而从具体地区结构来看：表现为H-H模式的则主要是以江苏、浙江等发达地区为主，但也有如辽宁和河北地区的碳排放转入、辽宁和内蒙古两个地区的碳排放转出也表现为H-H模式；西部地区或中部发展欠佳的地区主要表现为L-L模式；而中部地区则主要表现为L-H模式或H-L模式，其中是以碳排放转移低的地区被高的地区包围的比例较大。

(3)从区域碳排放转移的经济溢出效应来看，就区域碳排放转入或转出的单独影响而言，区域无论是单独的碳排放转入还是转出，大多数地区的碳排放转入或转出均能产生正向的经济增长效应；但若考虑到区域碳排放转入或转出共同存在的条件下，则区域碳排放转移的经济溢出效应主要表现为五种类型，各种类型均具有比较明显的区域特征。

针对上述研究结论，本文也相应给出了其产生的可能原因，并因地制宜地提出了碳排放合理转移的调控对策和建议。可见，挖掘区域碳排放转移的空间转移特征、揭示区域碳排放转移的经济溢出效应不但有助于促进区域经济的快速发展，而且也有助于有效实现区域的碳减排目标。然而，由于数据的限制，本文没有进行时间序列的对比分析，缺乏对区域碳排放转移相关问题的变化趋势分析，考虑到各种资源的动态变化关系，中国省际区域碳排放转移在空间转移规律及其经济溢出效应也势必会相应地发生变化，这些也将在后续的研究中进一步考察。

（编辑：李琪）

参考文献（References）

［1］Guan D, Refiner D M. Emissions Affected by Trade Among Developing Countries［J］.Nature, 2009,462(7270):159.

［2］Manne A,Richels R G.The Kyoto Protocol: A Costeffective Strategy for Meeting Environmental Objectives? ［J］.Energy Journal,2000,21(Suppl):1-24.

［3］McKibbin W, Ross M T, Shackleton R, et al. Emissions Trading, Capital Flows and the Kyoto Protocol［J］. Energy Journal,1999, (3):287-333.

［4］Li Yun. The Costs of Implementing the Kyoto Protocol and Its Implications to China ［J］. International Review for Environmental Strategies, 2000,1(1): 159-174.

［5］Kuik O, Gerlagh R. Trade Liberalization and Carbon Leakage ［J］. Energy Journal, 2003, 24(3): 97-120.

［6］Babiker M H. Climate Change Policy, Market Structure, and Carbon Leakage［J］. Journal of International Economics, 2005, 65: 421-445.

［7］Shui B R C.The Role of CO2 Embodiment in USChina Trade［J］.Energy Policy,2006,34(12): 4063-4068.

［8］Li Y, Hewitt C N.The Effect of Trade Between China and the UK on National and Global Carbon Dioxide Emissions［J］.Energy Policy,2008,36(6):1907-1914.

［9］Weber C L, Matthews H S. Embodied Environmental Emissions in US International Trade,1997-2004［J］. Environ,Science & Technology, 2007,41(14):4875-4881.

［10］Schaeffer R, Leal A.The Embodiment of Carbon Associated with Brazilian Imports and Exports［J］.Energy Conversion and Management,1996,37(6-8):955-960.

［11］Tunc G I, TürütAsik S,Akbostanci E. CO2 Emissions vs CO2 Responsibility:An Imputoutput Approach for the Turkish Economy［J］.Energy Policy,2007,35(2):855-868.

［12］Ahmad N, Wyckoff A.Carbon Dioxide Emissions Embodied in International Trade of Goods［R］.OECD STI Working Paper,2003.

［13］Peters G P,Hertwich E G. CO2 Embodied in International Trade with Implications for Global Climate Policy［J］.Enrironmental Science and Technology,2008,42:1401-1407.

［14］McKibbin W, Ross M T, Shackleton R, et al.Emissions Trading, Capital flows and the Kyoto Protocol ［J］. Energy Journal,1999(3): 287-333.

［15］李小平,卢现祥.国际贸易,污染产业转移和中国工业CO2排放［J］.经济研究，2010(1):15-26.［Li Xiaoping,Lu Xianxiang.International Trade,Pollution Industry Transfer and Chinese Industries CO2 Emissions［J］.Economic Research Journal,2010(1):15-26.］

［16］姚亮,刘晶茹.中国八大区域间碳排放转移研究［J］.中国人口·资源与环境,2010,20(12):16-19.［Yao Liang,Liu Jingru.Transfer of Carbon Emission Between Chinas Eight Major Regions［J］.China Population,Resources and Environment,2010,20(12):16-19.］

［17］李丁,汪云林,牛文元.出口贸易中的隐含碳计算:以水泥行业为例［J］.生态经济,2009,(2):58-60.［Li Ding,Wang Yunlin,Niu Wenyuan.Embodied Cardon in Export Trade:A Case Study of Cement Industry［J］.Ecological Economy,2009,(2):58-60.］

［18］林光平,龙志和,吴梅.我国地区经济收敛的空间计量实证分析:1978-2002［J］.经济学(季刊),2005,4(10):67-82.［Lin Guangping,Long Zhihe,Wu Mei.A Spatial Analysis of Regional Economic Convergence in China:1978-2002［J］.China Economic Quarterly,2005,4(10):67-82.］

［19］王火根,沈利生.中国经济增长与能源消费空间面板分析［J］.数量经济技术经济研究,2007,(12):98-107.［Wang Huogen,Shen Lisheng.A Spatial Panel Statistical Analysis on Chinese Economic Growth and Energy Consumption［J］.The Journal of Quantitative and Technical Economics,2007, (12):98-107.］

［20］杜运苏,张为付.我国承接国际产业转移的碳排放研究［J］.南京社会科学,2012,(11):22-28.［Du Yunsu,Zhang Weifu.Research on Chinas CO2 Emission Induced by Undertaking International Industry［J］.Social Sciences in Nanjing,2012, (11):22-28.］

［21］Moran P. Notes on Continuous Stochastic Phenomena［J］. Biometrika,1950,37: 17-23.

［22］Lesage J P, Anselin L, Raymond J,et al. A Family of Geographically Weighted Regression Models in Advances in Spatial Econometrics ［M］.Berlin:SpringerVerlag,2004:241-264.

Characteristics and Economic Spillover Effect of the Regional Carbon Emissions Transfer

SUN Licheng1CHENG Faxin1LI Qun2

(1.School of Management, Jiangsu University，ZhenjiangJiangsu212013, China；2.Institute of

Quantitative Economics & Technical Economics, Chinese Academy of Social Science,Beijing 100732, China）

AbstractAccurately grasping the spatial transfer characteristics of the regional carbon emissions transferand clarifying the spillover effects is the basis for reasonably guiding the regional carbon emissions. In this paper, regarding the Chinese provincial region as research object, based on the inputoutput table, the provincial carbon emissions in and out is calculated by using the carbon emission coefficient method respectively. By constructing a spatial weight matrix based on the geographic and economic characteristics, the spatial distribution characteristics and its spillover effects of Chinese provincial carbon emissions transfer is studied by applying the Morans I index and geographically weighted regression model. The research results show that:①The Chinese provincial carbon emissions transfer amount is relatively larger, and the amount of the carbon transfer in is more than out, the more developed eastern and central regions have positive net transfer.②The Moran I of Chinese provincial carbon emissions in and out is 0.17 and 0.14, showed that Chinese provincial carbon emissions has some characteristics of spatial cluster in the whole.③In the local space, the Chinese provincial carbon transfer is showed as the L-L mode and H-H mode, and the central and eastern developed area is H-H mode, the western region and central underdeveloped area is the L-L model, while the central region is mainly the L-H mode or H-L mode.④The economic spillover type of Chinese provincial carbon transfer has five kinds with the regional characteristics of the overflow model, and economic spillover effect of Chinese provincial carbon transfer in is stronger than out. Finally, according to the results of this study, the possible causes are analyzed, and the paper puts forward the corresponding countermeasures and suggestions It is useful to optimize carbon emissions transfer path among the Chinese provinces and provide the important theoretical and practical basis for enhancing the economic spillover effect of Chinese provincial carbon emissionstransfer.

Key wordscarbon emissions transfer; economic spillover effect; Morans I index; geographically weighted regression model

［16］姚亮,刘晶茹.中国八大区域间碳排放转移研究［J］.中国人口·资源与环境,2010,20(12):16-19.［Yao Liang,Liu Jingru.Transfer of Carbon Emission Between Chinas Eight Major Regions［J］.China Population,Resources and Environment,2010,20(12):16-19.］

［17］李丁,汪云林,牛文元.出口贸易中的隐含碳计算:以水泥行业为例［J］.生态经济,2009,(2):58-60.［Li Ding,Wang Yunlin,Niu Wenyuan.Embodied Cardon in Export Trade:A Case Study of Cement Industry［J］.Ecological Economy,2009,(2):58-60.］

［18］林光平,龙志和,吴梅.我国地区经济收敛的空间计量实证分析:1978-2002［J］.经济学(季刊),2005,4(10):67-82.［Lin Guangping,Long Zhihe,Wu Mei.A Spatial Analysis of Regional Economic Convergence in China:1978-2002［J］.China Economic Quarterly,2005,4(10):67-82.］

［19］王火根,沈利生.中国经济增长与能源消费空间面板分析［J］.数量经济技术经济研究,2007,(12):98-107.［Wang Huogen,Shen Lisheng.A Spatial Panel Statistical Analysis on Chinese Economic Growth and Energy Consumption［J］.The Journal of Quantitative and Technical Economics,2007, (12):98-107.］

［20］杜运苏,张为付.我国承接国际产业转移的碳排放研究［J］.南京社会科学,2012,(11):22-28.［Du Yunsu,Zhang Weifu.Research on Chinas CO2 Emission Induced by Undertaking International Industry［J］.Social Sciences in Nanjing,2012, (11):22-28.］

［21］Moran P. Notes on Continuous Stochastic Phenomena［J］. Biometrika,1950,37: 17-23.

［22］Lesage J P, Anselin L, Raymond J,et al. A Family of Geographically Weighted Regression Models in Advances in Spatial Econometrics ［M］.Berlin:SpringerVerlag,2004:241-264.

Characteristics and Economic Spillover Effect of the Regional Carbon Emissions Transfer

SUN Licheng1CHENG Faxin1LI Qun2

(1.School of Management, Jiangsu University，ZhenjiangJiangsu212013, China；2.Institute of

Quantitative Economics & Technical Economics, Chinese Academy of Social Science,Beijing 100732, China）

AbstractAccurately grasping the spatial transfer characteristics of the regional carbon emissions transferand clarifying the spillover effects is the basis for reasonably guiding the regional carbon emissions. In this paper, regarding the Chinese provincial region as research object, based on the inputoutput table, the provincial carbon emissions in and out is calculated by using the carbon emission coefficient method respectively. By constructing a spatial weight matrix based on the geographic and economic characteristics, the spatial distribution characteristics and its spillover effects of Chinese provincial carbon emissions transfer is studied by applying the Morans I index and geographically weighted regression model. The research results show that:①The Chinese provincial carbon emissions transfer amount is relatively larger, and the amount of the carbon transfer in is more than out, the more developed eastern and central regions have positive net transfer.②The Moran I of Chinese provincial carbon emissions in and out is 0.17 and 0.14, showed that Chinese provincial carbon emissions has some characteristics of spatial cluster in the whole.③In the local space, the Chinese provincial carbon transfer is showed as the L-L mode and H-H mode, and the central and eastern developed area is H-H mode, the western region and central underdeveloped area is the L-L model, while the central region is mainly the L-H mode or H-L mode.④The economic spillover type of Chinese provincial carbon transfer has five kinds with the regional characteristics of the overflow model, and economic spillover effect of Chinese provincial carbon transfer in is stronger than out. Finally, according to the results of this study, the possible causes are analyzed, and the paper puts forward the corresponding countermeasures and suggestions It is useful to optimize carbon emissions transfer path among the Chinese provinces and provide the important theoretical and practical basis for enhancing the economic spillover effect of Chinese provincial carbon emissionstransfer.

Key wordscarbon emissions transfer; economic spillover effect; Morans I index; geographically weighted regression model

［16］姚亮,刘晶茹.中国八大区域间碳排放转移研究［J］.中国人口·资源与环境,2010,20(12):16-19.［Yao Liang,Liu Jingru.Transfer of Carbon Emission Between Chinas Eight Major Regions［J］.China Population,Resources and Environment,2010,20(12):16-19.］

［17］李丁,汪云林,牛文元.出口贸易中的隐含碳计算:以水泥行业为例［J］.生态经济,2009,(2):58-60.［Li Ding,Wang Yunlin,Niu Wenyuan.Embodied Cardon in Export Trade:A Case Study of Cement Industry［J］.Ecological Economy,2009,(2):58-60.］

［18］林光平,龙志和,吴梅.我国地区经济收敛的空间计量实证分析:1978-2002［J］.经济学(季刊),2005,4(10):67-82.［Lin Guangping,Long Zhihe,Wu Mei.A Spatial Analysis of Regional Economic Convergence in China:1978-2002［J］.China Economic Quarterly,2005,4(10):67-82.］

［19］王火根,沈利生.中国经济增长与能源消费空间面板分析［J］.数量经济技术经济研究,2007,(12):98-107.［Wang Huogen,Shen Lisheng.A Spatial Panel Statistical Analysis on Chinese Economic Growth and Energy Consumption［J］.The Journal of Quantitative and Technical Economics,2007, (12):98-107.］

［20］杜运苏,张为付.我国承接国际产业转移的碳排放研究［J］.南京社会科学,2012,(11):22-28.［Du Yunsu,Zhang Weifu.Research on Chinas CO2 Emission Induced by Undertaking International Industry［J］.Social Sciences in Nanjing,2012, (11):22-28.］

［21］Moran P. Notes on Continuous Stochastic Phenomena［J］. Biometrika,1950,37: 17-23.

［22］Lesage J P, Anselin L, Raymond J,et al. A Family of Geographically Weighted Regression Models in Advances in Spatial Econometrics ［M］.Berlin:SpringerVerlag,2004:241-264.

Characteristics and Economic Spillover Effect of the Regional Carbon Emissions Transfer

SUN Licheng1CHENG Faxin1LI Qun2

(1.School of Management, Jiangsu University，ZhenjiangJiangsu212013, China；2.Institute of

Quantitative Economics & Technical Economics, Chinese Academy of Social Science,Beijing 100732, China）

AbstractAccurately grasping the spatial transfer characteristics of the regional carbon emissions transferand clarifying the spillover effects is the basis for reasonably guiding the regional carbon emissions. In this paper, regarding the Chinese provincial region as research object, based on the inputoutput table, the provincial carbon emissions in and out is calculated by using the carbon emission coefficient method respectively. By constructing a spatial weight matrix based on the geographic and economic characteristics, the spatial distribution characteristics and its spillover effects of Chinese provincial carbon emissions transfer is studied by applying the Morans I index and geographically weighted regression model. The research results show that:①The Chinese provincial carbon emissions transfer amount is relatively larger, and the amount of the carbon transfer in is more than out, the more developed eastern and central regions have positive net transfer.②The Moran I of Chinese provincial carbon emissions in and out is 0.17 and 0.14, showed that Chinese provincial carbon emissions has some characteristics of spatial cluster in the whole.③In the local space, the Chinese provincial carbon transfer is showed as the L-L mode and H-H mode, and the central and eastern developed area is H-H mode, the western region and central underdeveloped area is the L-L model, while the central region is mainly the L-H mode or H-L mode.④The economic spillover type of Chinese provincial carbon transfer has five kinds with the regional characteristics of the overflow model, and economic spillover effect of Chinese provincial carbon transfer in is stronger than out. Finally, according to the results of this study, the possible causes are analyzed, and the paper puts forward the corresponding countermeasures and suggestions It is useful to optimize carbon emissions transfer path among the Chinese provinces and provide the important theoretical and practical basis for enhancing the economic spillover effect of Chinese provincial carbon emissionstransfer.

Key wordscarbon emissions transfer; economic spillover effect; Morans I index; geographically weighted regression model