全球碳转移网络的解构与影响因素分析

余娟娟　龚同

摘要 本文基于WIOD的最新环境账户和世界投入产出表，利用MRIO-SNA模型构建全球碳转移网络，从“关系”视角可视化分析了全球碳转移网络特征，并利用QAP方法揭示全球碳转移网络形成的主要原因。结论显示：①全球碳转移网络呈非均衡发展，呈现出“中心-外围”的结构特征。供给侧与需求侧结构失衡，少数的国家产生了多数的碳排放。其中中国已逐渐成为全球生产侧碳排放网络中心，并且中国在消费侧碳排放网络中的地位也在不断上升，美国和德国始终位于全球消费侧碳排放网络中心。②从个体网络特征来看，各国的网络地位相对比较稳定。2014年出度中心度前三的国家依次为中国、俄罗斯和德国，入度中心度前三的国家依次为美国、德国、中国。其中，中国的入度中心度始终低于出度中心度，说明中国主要是通过供给而不是消费的形式参与到全球碳转移网络中。③块模型分析显示以中国为首的发展中国家属于双向溢出板块，美国等发达国家构成主受益板块，且板块间溢出大于板块内溢出，南北国家间存在明显的碳转移关系。④ QAP分析显示：地理位置、文化背景对碳排放的空间关联的影响在减弱，全球价值链分工及环境规制等因素正逐渐主导碳转移网络的形成。本文的研究为未來碳减排政策的制定提供了方向，各国需要基于新的“关系属性”的视角理解全球碳排放，所谓的“中国气候威胁论”无疑是片面和狭隘的。全球碳减排应该充分考虑各国之间的空间关联关系以及各国产业结构、经济水平上的差异性，在“数量—关系”双控的基础上实行“共同但有区别责任”的协同性减排。

关键词 全球价值链;碳转移;社会网络分析;QAP

中图分类号 F742

文献标识码 A文章编号 1002-2104（2020）08-0021-10DOI：10.12062/cpre.20191135

随着2017年美国宣布退出《巴黎协定》，全球气候治理面临着更多的不确定性。根据2019年全球碳项目（GCP）最新发布的《2018全球碳预算》报告，2018年全球二氧化碳排放增长达2.7%，刷新了全球碳排放的纪录，全球二氧化碳排放量的新一轮增长将让《巴黎协定》确立的“将升温控制在2 ℃以内”的目标更加难以实现，这些不利因素使得全球气候治理变得愈加艰难、紧迫。

全球碳转移的客观存在一直是全球气候治理中不可忽视的核心问题之一，它显著影响着进出口国的生产环境及其相应的减排责任[1-2]。由于传统的“京都模式”是以“生产者责任”为原则，仅考虑领地国的直接碳排放，忽略了国家间碳转移的影响，因此加重了“碳泄漏”的发生，弱化了全球碳减排政策效果，而且对中国等出口大国不公平[3]。为此，后京都时代有学者提出要改革以生产侧排放（Production-based emissions）为原则的碳排放核算体系，转而采用更加有效的基于消费侧排放（Consumption-based emissions）的核算体系[3-4]，或者是综合考虑生产者和消费者双方责任的方案[2，5-6]。只有综合考虑生产者和消费者责任的核算体系，才能更好地进行国际碳减排责任的界定，进而促进全球气候治理的公平、有效推进。

但值得注意的是，全球气候治理除了公平界定各国减排责任及排放限额外，还需深度把握各国之间碳转移关系及结构特征，进行“数量”与“关系”的双控才能更好地实施“共同且有区别责任”的协同性减排。由于全球碳转移已经超越了地理范围的限制，在不同的国家之间形成了多节点、多路径的网络形态[7]。在这种情况下，全球气候治理就成为基于全球碳转移网络的一个系统性工程，而非单纯地依靠单一国家的排放限额。随着全球贸易与投资关系的一体化，如果单纯从某个国家展开碳排放治理，则容易犯“只见树木不见森林”的错误，弱化了全球碳减排措施的效果。因此，有学者开始尝试利用社会网络分析法（SNA）把握相关主体之间的碳排放关系，该方法作为分析不同个体间“关系”的一种方法，自20世纪90年代以来以逐渐成为研究区域间贸易关系和整体网络结构的重要方法之一。刘华军等[8]、孙亚男等[9]先后利用社会网络方法解构了国内省际污染排放网络，并对其网络特征进行了具体分析。利用SNA方法解构国家间碳转移问题还是一个比较新的尝试。张同斌和孙静[7]、Duan等[10]、杜培林和王爱国[11]做了这方面的尝试，但并未结合消费侧减排的思想，且对关系网络的形成机理缺乏解释。

为此，本文在以上文献的基础上，利用世界投入产出表的连续数据及MRIO-SNA方法构建涵盖全球39个主要国家间的碳转移网络，多维度解构全球碳转移关系及中国的网络地位，进而有助于我们从“关系”属性的视角推进全球碳减排任务。相比以往文献，本文的主要贡献在于：第一，综合运用MRIO-SNA方法构建全球碳转移网络。MRIO模型和SNA方法具有内在一致性，二者结合不仅可以为理解整体网络提供理论和方法框架，还可以揭示整个网络的内部结构，评估每个参与者的地位以及它们之间的联系[12]。第二，从“关系”视角丰富了消费侧和生产侧碳排放责任的相关研究，目前研究大多从数量界定的角度展开研究，本文同时利用门限值网络与TOP1等级网络解构全球碳转移中消费侧和生产侧的关联关系，并利用块模型划分出全球碳转移中的溢出板块、经纪人板块及受益板块等，有助于从关系的视角进行协同性减排。第三，目前尚未有文献经验识别全球碳转移关系形成的内在动因，本文首次基于引力模型，运用QAP技术解释了碳转移网络形成及变动的影响因素，从而为未来的碳减排政策的制订提供突破口。

1 网络建模和数据说明

1.1 全球碳转移网络建模

这里假设有M个国家，每个国家有N个生产部门。从用途的分类看，一个经济体生产的产品可以被分为中间品和最终品，这些产品可以自己使用，也可以出口至其他经济体。

令Er为r国的直接碳排放系数列向量，向量中的元素为r国各部门单位产出引致的二氧化碳排放量。矩阵B完全需求矩阵，又称里昂惕夫逆矩阵，矩阵Y为最终产品需求矩阵。则可以得到碳排放矩阵（P）如下：

（1）

由于本文的研究专注于国家间碳的转移，在此只考虑外需排放部分，将对角线元素设为0，得到碳转移矩阵P，其中Pij表示i国出口至j国的隐含碳量，即i国作为碳的生产国，通过国际贸易为碳的实际消费国s国承担了Pij的排放责任。

（2）

根据碳转移矩阵构建全球碳转移网络，全球碳转移网络是由多个节点和点之间的弧所组成的，网络中的节点代表各经济体，弧表示各经济体的碳转移关系。以碳的生产国为起始节点，碳的最终消费国为目的节点，箭头指向代表碳转移流向。根据关系的强度是否有差异，碳转移网络可以被区分为无权网络和加权网络。在加权网络中，权重的加入使得网络特征更加接近网络的实际情况。这样构建的加权矩阵W可以更加清晰地展现贸易隐含碳转移网络的主要特征，矩阵中的元素wij代表节点间碳转移的流量大小。将所有的wij同除以W中的最大值，这样一来使得所有w′ij∈[0，1]，且不影响结果，获得加权碳转移网络W。

再通过设置门槛值构建无权二值矩阵进行定性分析。为了突出碳转移网络的主要特征，本文借鑒Duan等[10]的做法，按照碳转移流量对碳转移网络关系进行筛选，如果i国对j国的贸易隐含碳相对较小，则说明国家i与国家j之间的隐含碳转移关联十分微弱，可忽略不计。当贸易隐含碳排放矩阵中的元素大于门槛值时，则保留该隐含碳转移关系，若小于门槛值，则忽略该关系。

在门槛值的选择上，本文借鉴白洁等[13]的做法，遵循帕累托的“二八原则”，认为排名前20%的为较紧密关系，对应wij设为1，表示节点间存在联系，其他的设为0。过于密集的网络会让网络分析的结果大打折扣，通过这样取门槛值进行筛选，这样一来在网络中保存了足够多的联系，而且忽略了一些相对较为微弱的关联，便于更加清楚地分析碳转移网络的结构特征。

1.2 网络分析指标及方法

本文主要采用网络中心性指标、TOP1等级网络和块

模型分析方法来对碳转移网络的结构进行分析，并使用QAP分析考察影响碳转移网络的因素。

1.2.1 网络中心性

网络中心性分析分析包括中心度和中心势分析，中心度用来反映节点在网络中的核心度，而中心势则是用来描述整个网络的中心性。中心性可分为度数中心性、中间中心性和接近中心性三种，不同中心性反映的侧重点也不相同。出于不同的角度，本文选择度数中心势和度数中心度来考察碳转移网络的结构特征。其他中心度指标所得结论与度数中心度以及下文的TOP1等级网络研究结论基本一致，篇幅原因不予展示，如有需要备案。

（1）度数中心势。度数中心势反映的是网络整体属性，测度的是一个网络在多大程度上围绕某些点建立起来。中心势越高，则网络越集中，中心点和边缘点的中心度差别大，相反，若中心势低，则网络较稀疏，中心点与边缘点差别不大。在有向网络中，度数中心势可分为出度中心势和入度中心势。在碳转移网络中，出度中心势表示碳出口的集中程度，入度中心势表示碳进口的集中程度。计算公式如下：

（3）

其中，Cmax表示网络中最大度数中心度。

（2）度数中心度。度数中心度（Degree Centrality）反映网络中节点上关系的多少，在碳转移网络中，一国的度数中心度越大，则该国在碳转移网络中与其他国家的直接联系越多，即该国位于网络的中心地位。在有向网络中，度数中心度可以被分为入度中心度和出度中心度，入度中心度指的是一国通过进口将本应属于该国的碳排放转移到其他国家的关系数量，出度中心度衡量一国出口产品而为其他国家承担的碳排放关系。度数中心度的计算公式如下。

（4）

（5）

其中，dij表示i指向j的关系。

1.2.2 TOP1等级网络

Zhou等[14]在研究贸易网络时提出仅保留各节点在网络中最密切的网络关系来构建关系等级网络，能够反映出网络中最主要的信息，孙天阳等[15]在研究增加值网络时也采用了这一方法。本文借鉴该方法，展示了进口隐含碳和出口隐含碳TOP1网络，即仅包含碳转移中各国进口和出口排名第一关系的网络，这样绘制出的网络图保留了最原始的信息，呈现出树状，能更加清晰地反映各节点的连接方式。

1.2.3块模型分析

块模型分析用于分析网络位置，考察不同模块在碳转移网络中所处的角色和地位。本文在综合考虑生产侧和消费侧碳排放的基础上，利用块模分析划分出主受益板块、双向溢出板块、经纪人板块和净溢出板块四种。

1.2.4 QAP分析法

QAP分析法是一种基于随机置换的非参数检验方法，具体原理是首先将矩阵转换为长向量，计算相关系数;再随机置换矩阵中的行和与其相对应列，计算置换后的相关系数，重复若干次后得到该系数的分布;最后观察第一次测量的相关系数是否落在接受域内，并进一步判断其显著性。

1.3 数据来源和说明

本文关于碳转移网络构建的数据主要来自WIOD数据的环境账户和世界投入产出表。2019年7月WIOD环境账户更新至2016年，但世界投入产出表（2016版）的最新数据仍截止至2014年，因此本文最终样本区间设定为1995—2014年。另外，本文选取了世界投入产出数据库中提供的39个经济体（不包括中国台湾和其他地区（Row）），包括27个欧盟成员国以及12个欧盟以外的国家。这39个经济体包含了世界上大部分的发达国家及主要发展中国家，因此具有很强的代表性。

2 全球碳转移网络的结构特征分析

2.1 基于门限值的网络分析

2.1.1 整体网络特征

图1为1995年及2014年全球碳转移无权网络，图2为1995及2014年全球碳转移加权网络。通过图1，我们可以直观感受到全球碳转移网络中多边排放关系的复杂性，各国之间存在紧密且复杂的碳流向关系。经济体量较大的国家在碳转移网络中的中心度较高，且地位变化不大，网络整体结构较稳定。

图2的加权网络在图1的基础上直观显示了碳流量的大小，从图2中我们可以直观地看到碳转移流量呈现扩大趋势，其中，中国向美国的出口碳流量最为显著，其次是中国向日本的出口碳流量，且这种格局在进一步得到强化。总体上看，2014年围绕中国的碳转出和碳转出关系较之1995年要更加密切，与欧美、日韩等主要经济体之间的碳转移流量也更加显著。

进一步利用度数中心势反映整体网络的集中度，从出度中心势和入度中心势两个维度的分析，结果如图3所示。从变化趋势上看，无论是出度中心势还是入度中心势，二者在2000年以后呈现下降的态势，这表明全球碳转移网络日益均质化，越来越多的边缘国家加入全球碳转移网络中。但从二者的横向比较上看，出度中心势始终大于入度中心势，其差距在2008年金融危机之后还呈现出不断扩大的趋势，这表明伴随着金融危机的影响，全球碳转移网络表现得更为集中，少数的国家承担了更多数的碳排放。这种差异反映了全球碳转移网络结构的失衡，随着这种结构失衡的不断扩大，碳排放的空间公平性将面临更大的挑战。

2.1.2 个体网络特征分析

基于无权网络对碳转移网络的拓扑属性进行分析，由于中心度数大小取决于门槛值的选择，因此本文主要展示各网络指标序列排名前十的国家。表1和表2是1995—2014年全球碳转移网络中度数中心度排名情况。从时间动态上看，排名前十的国家变动差异较小，说明碳转移网络具有一定的稳定性。中国在全球碳转移网络中的度数中心度随着时间的推移逐渐上升，说明中国在嵌入全球价值链的同时，也极大程度地融入了全球碳转移网络。中国的出度中心度由1995年的第四位升至2014年的第一位，与此同时中国的入度中心度也由第八位升至第三位。不同于其他发达国家的是，中国的入度中心度始终是低于出度中心度，在全球碳转移网络中处于受损地位，在碳排放量上呈现为碳净出口国。这是目前许多发展中国家所共同面临的问题，虽然在碳转移网络中占据较核心地位，但是更多的是“生产者”的身份。

2.2 TOP1等级网络分析

图4展示了1995年与2014年进口隐含碳TOP1网络。通过对比可以发现1995年时该网络是以中国和俄罗斯为主要核心的“双核”模式。1995年俄罗斯位于欧洲地区的核心，而中国则是其他地区的核心。俄罗斯和中国互为最大碳转出关联国，欧洲地区和非欧洲地区通过俄罗斯和中国建立直接碳转移联系。美国成了美洲地区的核心，连接着加拿大、墨西哥和巴西。此外形成了俄罗斯-德国-比利时-卢森堡以及中国-英国-爱尔兰这样的链式网络，一般来说地理位置的相邻性导致国家间直接贸易量的增加，这也是中小型国家发生碳转移关系的重要影响因素。

从节点大小来看，2014年中国的出度中心度大于俄罗斯，逐渐占据了核心地位。中国的直接碳转移关系由1995年的9条增至2014年的30条，并成了大多数国家的第一碳进口国，这种变化也反映了中国在碳生产网络中的地位不断跃升，有逐渐成为网络核心的趋势。从数值上来看，贸易隐含碳流量份额呈现出严重的非均质性，网络中流量最大的关系是中国转出至美国，1995年中国出口至美国的隐含碳量占出口至全部9个国家的45%，2014年中国的碳转移关系数大大增加，这一比例也降至31%。说明随着中国贸易伙伴的多樣化，与中国建立最大转移关联的国家也在增多，碳出口目的国日渐多元化。

图5反映了出口隐含碳TOP1网络的变化情况，该网络的核心代表“碳消费”的核心国。同进口隐含碳TOP1网络相似的是，该网络一开始也呈现“双核”模式，德国和美国分别占据了欧洲和非欧洲地区的核心地位。2014年网络逐渐呈现出多极化趋势。中国在出口隐含碳TOP1网络中的地位也在不断地攀升，1995年中国位于网络的“末梢”，到了2014年，中国已经取代日本逐渐成为东亚地区的枢纽与核心。从流量上来看，而美国从中国进口的隐含碳比例由1995年的42%增长至2014年的54%，虽然关系的数量增多了，但这一比例却不降反增，说明美国在碳转移排放上极度依赖于中国，这与两国密切的贸易往来是

密不可分的，中国不仅是美国的贸易伙伴国，更为美国承担了大量的碳转移排放。

总体而言，这两种网络在1995年时均呈现双核模式，但网络中的两极地位正在经历着转变：在生产侧TOP1网络中，中国正在逐渐取代俄罗斯的核心地位，而在消费侧TOP1网络中德国的影响力逐渐被美国超越，也就是说中国和美国正在逐渐成为碳转移网络的生产和消费核心。从基于生产者的领地原则来看，过多的碳转移挤占了发展中国家的排放空间，这种不均衡的碳转移网络不利于中国等发展中国家实施碳减排政策，同时也影响了全球碳减排的效果。

除此之外我们还发现相对于生产侧TOP1网络，消费侧TOP1网络显得更加分散，树状结构更多，这表明碳的生产和供给要比消费更加集中，这种趋势也与前文所述的度数中心势特征相一致。

2.3 块模型分析

以2014年的进出口隐含碳数据为例，采用块模型分析研究各个国家在碳转移网络中的空间聚类特征。利用CONCOR方法，选择最大分割深度为2，收敛标准为0.2，剔除掉在网络中孤立的六个国家后，将33个国家分为了四个板块（见表3）。

从各板块间联系的数量关系来看，板块内部的联系共有117个，板块间的关系有179个，板块间的溢出效应比较明显。第一板块发出关系144个，其中板块内的关系为69个，接收板块外的关系数为40个，实际内部关系比例大于期望内部关系比例，且板块内外都产生了明显的溢出效应，因此该板块为双向溢出板块。第二板块接收来自板块外的关系最多，为83个，该板块接收的来自板块外部的碳转移关系大于溢出的关系数，因此为主受益板块。第三板块发出的关系数为45个，板块内为8个，接收其他板块的关系个数为39个，实际内部关系比例为17.78%，小于期望内部关系比例，因此该板块属于“经纪人”板块，其主要特征是该板块主要发出和接收关系，而板块内部的关系很少，在全球碳转移网络中主要充当“中介”与“桥梁”的角色。第四板块接收关系数为17个，发出关系数为9个，板块实际内部关系为零，转入关系远大于溢出关系数，可划分为净受益板块。

在整个碳转移网络中，板块1作为碳转移关系的发起者，发出了最多的关系，占总体的48.6%，辐射范围最广，溢出效应最为明显。以中国为主的发展中国家以及亚太地区的国家是双向溢出板块的主要构成者。双向溢出板块与主受益板块间的密度为0.575，在所有板块间密度最大，这一方面是由于国家间大额贸易量所导致，以中国为首等发展中国家作为世界工厂向发达国家输出商品，伴随着商品的流动，碳排放的转移也随之发生。另一方面，全球价值链背后的“碳泄露”加剧了碳排放在国家层面的转移，由于传统发达国家环境规制水平相对较高，面临着较大的减排压力，从而将污染产业转移至环境规制较低的国家和地区，并通过进口高污染产品来减低国内的污染排放。从全球碳排放治理角度来看，这种“碳泄露”挤占了发展中国家的排放空间，不利于全球碳减排行动的推进。

3 基于QAP的碳转移网络影响因素分析

碳转移作为国与国间的一种“关系”，目前已有的对国家间碳转移的研究中，尚且没有从关系视角出发考虑碳转移影响因素的研究。为进一步研究全球碳转移网络形成的主要影响因素，本文在传统的引力模型的基础上构建如下关系矩阵模型：

R=f（G，C，ER，I，P，E）（6）

其中，R表示碳转移关联矩阵。地理临接矩阵（G）根据两个国家是否接壤来构建，两国接壤取1，不接壤取0。文化关联矩阵（C）的设定依据两国语言是否相通，若两国有共同的语言，则关系设为1，否则设为0，相关数据由CEPII数据库可得到。通过块模型分析已经得出环境规制差异会影响到国际碳转移关系，环境规制差异矩阵（ER）以各国单位GDP产生的二氧化碳排放量差额的绝对值来表示。居民消费是碳排放产生的主要原因之一，而收入水平的差异会导致碳转移关系[16]，收入水平差异矩阵（I）根据 WDI 数据库按照各个国家收入水平将样本国家分为两组，一组为高收入国家，一组为低收入国家，相同收入水平国家间设为0，否则设为1。由于全球价值链嵌入模式的不同会直接影响各国分工地位的差异，进而影响到贸易隐含碳的排放[17]，设置价值链分工地位差异矩阵（P），根据Koopman等[18]的方法，价值链嵌入可分为前向嵌入和后向嵌入，前向嵌入度较高说明该国参与价值链地位较高，以提供中间产品为主;后向嵌入度较高说明生产模式主要是通过进口中间品并加工成最终品。根据前向嵌入度是否大于后向嵌入度将所有国家分为两组，组间关系设定为1，组内关系设定为0，相关数据依据WIOD数据库经计算后得出。由于能源消费结构的差异决定了环境生产效率 [19-20]，故在此加入对能源结构因素影响的考察，根据国际能源数据库提供的数据设置能源结构差异矩阵（E），按照一国清洁能源使用率的高低将所有国家划分为两个组，组间关系设为1，组内关系设为0。

由于研究的是“关系”的数据，数据间不相互独立，本文采用QAP分析法来对关系数据进行分析。利用Ucinet软件，设置5 000次随机置换，选取1995、2000、2005、2010、2014五年的数据进行展示，QAP相关分析结果如表4所示。

由表4可以看出，地理邻接矩阵（G）的相关系数在1%的显著性水平下为正，说明国家之间地理位置的邻接会导致碳转移关联的发生。1995—2000年，地理邻接矩阵的相关系数由0.192增至0.243，这段时间地理因素对于碳的转移排放作用不断增强。随着全球化进程的不断推进，地理邻接对碳转移的影响力逐渐减弱，2000—2014年，地理邻接矩阵的系数逐渐减小，最终趋于稳定，全球碳转移正在逐渐突破地理位置的限制。文化关联矩阵（C）系数在1%的显著性水平上为正，且系数变化幅度较小，说明文化因素对于贸易隐含碳转移的影响相对比较稳定，各国依据相似文化背景建立起的贸易网络决定了其背后碳

轉移关系的稳定性。环境规制差异矩阵（ER）的系数在1995—2000年期间为正，但是在统计学意义上不显著，2000—2014年系数增长速度变快且在5%的显著性水平上显著为正，说明环境规制的差异逐渐开始影响到国家之间碳的转移排放，环境规制差异越大，两国越可能存在碳转移关系。这一结果也印证了“污染天堂”假说的观点，中国等一系列发展中国家在面临全球化生产的同时更需要注意因环境规制水平不同而导致的碳泄露问题。收入水平差距矩阵（I）在1995年相关系数为0.104且在5%的显著性水平上显著，但系数大小和显著性水平均随着时间推移不断下降，2014年时系数为0.031，但是在统计意义上已不显著。说明收入水平的相似性对于贸易以及背后的碳转移的影响正在逐渐减弱。价值链嵌入地位差异矩阵（P）的系数显著为正，说明价值链嵌入环节的差异会更容易导致国家间碳转移关系的建立。嵌入模式不同意味着参与生产环节的不同，前向嵌入度较高的国家以提供中间品为主，而后向嵌入度较高的国家的贸易形式以加工贸易为主。能源结构差异矩阵（E）的系数为正，且显著性逐渐增强，说明国家间能源结构的差异性也会导致碳转移关系的发生。

本文还对加权矩阵进行了QAP相关分析，发现在不同时间段的QAP回归结果中，多数变量的估计参数均在同一范围内波动，且显著性并未发生明显改变，表明回归结果较为稳健。

4 结论与政策建议

本文主要结论如下：①基于门限值网络显示，全球碳转移网络的出度中心势显著大于入度中心势，且二者差距呈现出扩大趋势，这说明全球碳转移网络存在生产侧和消费侧的结构性失衡，少量国家生产，更多的国家消费，这种非对称性差异在时间趋势呈现出稳定且不断扩大的态势，这无疑对全球碳排放空间公平性带来了巨大的挑战。②从TOP1等级网络来看，无论生产侧碳转移网络还是消费侧碳转移网络均呈现出“中心—外围”的非均质特征，中国和美国逐渐成为碳转移网络中生产和消费的核心。中国的辐射范围越来越广，覆盖区域从亚太地区逐步扩展到全球范围。区域范围内由于地理位置上的邻近形成了中国-英国-爱尔兰，美国-法国-西班牙-葡萄牙等此类链式网络。③从个体网络特征来看，中国、俄罗斯、德国的出度中心度依次位列全网前三，美国、德国、中国的入度中心度依次位列全网前三。不同于其他网络中心国家，中国的入度中心度一直低于出度中心度，这说明中国主要是通过供给而不是消费的形式参与到全球碳转移网络中。④块模型分析显示存在明显的“南北国家间碳转移”现象。中国、印度等发展中国家处于双向溢出板块，属于受损聚类，而以美国为首的传统发达国家则位于主受益板块，属于受益聚类，各板块间联系显著多于板块内联系。⑤QAP相关分析结果显示，地理因素和文化因素对于碳转移影响为正，但这些传统因素的影响力在经济全球化背景下正在逐渐减弱，经济全球化背景下的碳转移关系正在突破地理位置的限制，价值链因素及环境规制等因素的影响在不断扩大，这间接说明了依托于价值链分工为表征的“碳泄露”正在成为影响全球碳转移网络的关键因素。

由此得出的政策启示如下：

第一，需要基于新的“关系属性”的视角理解全球碳排放问题。本文研究显示碳转移网络是隐藏在全球价值链分工背后的碳排放的空间关联关系，这种关系不受地理空间的限制，而更多地是由分工地位差异、资源结构差异和环境政策差异所导致的。这种关系的社会属性远远大于物理属性，具有更强的稳定性，这种关联性的存在及网络关系的长期稳定化，对全球碳减排目标的实现带来了严

峻的挑战。因此，在当前的碳减排责任界定上，需要我们基于关联关系的视角理解全球碳排放问题并非单个国家的问题，所谓的“中国气候威胁论”无疑是片面和狭隘的。在考虑消费侧碳转移的情况下 ，中国的生产排放更多地是来自于欧美日韩等发达国家的消费侧碳转移，中国在聚类分析中属于净受损地位。为此，中国一方面需要警惕全球价值链背后“污染天堂”的产生，从成本和收益的双重视角优化与碳转移关联强的国家的贸易关系;另一方面则需要进一步通过自主创新、外部引进、技术外溢等渠道实现价值链地位的攀升和绿色技术的进步，进而有效减少贸易隐含碳的产生。

第二，全球碳协同减排应该充分考虑全球碳转移的关联关系，不仅要进行碳排放“数量”的减排和限额，还需考虑多边投入产出关系下碳转移的主体关系，形成“数量—关系”的双控的责任界定和减排思路。其中，在数量界定上，充分贯彻消费者和生产侧相结合的平衡原则，厘清全球碳转移的内在结构;在关系控制上，充分考察消费者和生产侧的关系均衡，减少消费侧和生产侧网络的非均质性，对“中心—外围”的碳转移结构进行区别对待，同时对关系密切的板块进行重点关注，减少碳转移所引致的碳泄漏强度，基于关联关系实现国家间的协同减排。另外，需要积极建立跨国协同减排机制，国际社会在对发展中国家设置碳减排目标时要充分考虑各国产业结构、经济水平和区位上的差异性，发达国家应对发展中国家给予减排技术上的支持，推进低碳环保技术合作。

（编辑：于 杰）

参考文献

[1]GHERTNER D A，FRIPP M. Trading away damage： quantifying environmental leakage through consumption-based， life-cycle analysis[J]. Ecological economics，2006，63（2）：563-577.

[2]PETERS G P. From production-based to consumption-based national emission inventories[J]. Ecological economics，2007，65（1）：13-23.

[3]MUNKSGAARD J， PEDERSEN K A. CO2 accounts for open economies： producer or consumer responsibility？[J]. Energy policy，2001，29（4）：327-334.

[4]樊綱，苏铭，曹静.最终消费与碳减排责任的经济学分析[J].经济研究，2010，45（1）：4-14.

[5]FERNG J J.Allocating the responsibility of CO2 over-emissions from the perspectives of benefit principle and ecological deficit[J]. Ecological economics，2003，46（1）：121-141.

[6]BASTIANONI S，PULSELLI F M，TIEZZI E. The problem of assigning responsibility for greenhouse gas emissions[J]. Ecological economics，2004，49（3）：253-257.

[7]张同斌，孙静.“国际贸易—碳排放”网络的结构特征与传导路径研究[J].财经研究，2019，45（3）：114-126.

[8]刘华军，刘传明，杨骞.环境污染的空间溢出及其来源——基于网络分析视角的实证研究[J].经济学家，2015（10）：28-35.

[9]孙亚男，刘华军，刘传明，等.中国省际碳排放的空间关联性及其效应研究——基于SNA的经验考察[J].上海经济研究，2016（2）：82-92.

[10]DUAN Y W， JIANG X M. Visualizing the change of embodied CO2 emissions along global production chains[J]. Journal of cleaner production，2018，194（25）：499-514.

[11]杜培林，王爱国.全球碳转移格局与中国中转地位：基于网络治理的实证分析[J].世界经济研究，2018（7）：95-107，137.

[12]DOMENECH T，DAVIES M. Structure and morphology of industrial symbiosis networks： the case of Kalundborg. 4th and 5th UK social networks conferences[C].2009.

[13]白洁，梁丹旎，周睿.中国与G20国家贸易关系的调整与优化[J].数量经济技术经济研究，2018，35（10）：96-110.

[14]ZHOU M，WU G，XU H.Structure and formation of top networks in international trade， 2001-2010[J]. Social networks，2016，44（3）：9-21.

[15]孫天阳，肖皓，孟渤，等.制造业全球价值链网络的拓扑特征及影响因素——基于WWZ方法和社会网络的研究[J].管理评论，2018，30（9）：49-60.

[16]张彩云，张运婷.碳排放的区际比较及环境不公平——消费者责任角度下的实证分析[J].当代经济科学，2014，36（3）：26-34，124-125.

[17]吕越，吕云龙.中国参与全球价值链的环境效应分析[J].中国人口·资源与环境，2019，29（7）：91-100.

[18]KOOPMAN R，POWERS W，WANG Z，et al.Give credit where credit is due：tracing value added in global production chains[R].2010.

[19]庞军，高笑默，石媛昌，等.基于MRIO模型的中国省级区域碳足迹及碳转移研究[J].环境科学学报，2017，37（5）：2012-2020.

[20]谭娟，陈鸣.基于多区域投入产出模型的中欧贸易隐含碳测算及分析[J].经济学家，2015（2）：72-81.

[21]刘军.整体网分析[M].上海：格致出版社，2014：221-236.

[22]彭水军，张文城，卫瑞.碳排放的国家责任核算方案[J].经济研究，2016，51（3）：137-150.

[23]彭水军，张文城，孙传旺.中国生产侧和消费侧碳排放量测算及影响因素研究[J].经济研究，2015，50（1）：168-182.

[24]彭水军，张文城.国际贸易与气候变化问题：一个文献综述[J].世界经济，2016，39（2）：167-192.

[25]张友国.中国贸易含碳量及其影响因素——基于（进口）非竞争型投入产出表的分析[J].经济学（季刊），2010，9（4）：1287-1310.

[26]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.

[27]马述忠，任婉婉，吴国杰.一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角[J].管理世界，2016（3）：60-72.

[28]毛海欧，刘海云.中国制造业全球生产网络位置如何影响国际分工地位？：基于生产性服务业的中介效应[J].世界经济研究，2019（3）：93-107，137.

[29]许和连，成丽红，孙天阳.离岸服务外包网络与服务业全球价值链提升[J].世界经济，2018，41（6）：77-101.

[30]陈银飞.2000-2009年世界贸易格局的社会网络分析[J].国际贸易问题，2011（11）：31-42.

[31]李敬，陈澍，万广华，等.中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究，2014，49（11）：4-16.

[32]张同斌，高巍，马晴晴.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[J].中国人口·资源与环境，2019，29（2）：166-176.

[33]刘华军，刘传明，孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济，2015（5）：83-95.

[34]KAGAWA S， SUH S， HUBACEK K et al. CO2 emission clusters within global supply chain networks： implications for climate change mitigation[J]. Global environmental change，2015，35（11）：486-496.

[35]WIEDMANN T. A review of recent multi-region input-output models used for consumption-based emission and resource accounting[J]. Ecological economics，2009，69（2）：211-222.

[36]ZHONG W Q， AN H Z， SHEN L et al. The roles of countries in the international fossil fuel trade： an emergy and network analysis[J]. Energy policy，2017（1）：365-376.

[37]FREEMAN L C. Centrality in social networks conceptual clarification[J]. Social networks，1978，1（3）：215-239.

[38]GIRVAN M， 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.

Analyzing the deconstruction and influencing factors

of the global carbon transfer network

YU Juan-juan GONG Tong

（School of Economics， Zhongnan University of Economics and Law， Wuhan Hubei 430073， China）

Abstract Based on the latest Environmental Accounts and World Input-Output Tables of WIOD， this article uses the MRIO-SNA model to construct a global carbon transfer network， visually analyzes the characteristics of the global carbon transfer network from the view of ‘relationship， and used the QAP method to reveal the main reasons for the formation of the global carbon transfer network. The results show that： ①The global carbon transfer network develops in an unbalanced way， presenting a ‘core-periphery structure; there exists a structural imbalance between supply and demand， with a few countries producing the majority of carbon emissions. China gradually becomes the center of the production-based global carbon emissions network， and Chinas position in the consumption-based carbon emissions network is also rising. The United States and Germany remain at the center of consumption-based global carbon emissions network. ②From the perspective of individual network characteristics， the network status of each country is relatively stable. In 2014， the top three countries in in-degree centrality were China， Russia， and Germany. The top three countries in out-degree centrality were the United States， Germany， and China. Among them， Chinas in-degree centrality has always been lower than the out-degree centrality， indicating that China mainly participates in the global carbon transfer network through supply rather than consumption. ③Block model analysis shows that developing countries headed by China belong to the bidirectional spillover block while the United States and other developed countries constitute main beneficial block. The spillovers between blocks are greater than the spillovers within the blocks， and there are obvious carbon transfer relationships between developed and developing countries. ④The QAP analysis shows that the influence of geographical location and cultural background on the spatial correlation of carbon emissions is weakening， and factors such as the division of global value chains and environmental regulations gradually dominate the formation of carbon transfer networks. This study attempts to provide a direction for the formulation of future carbon reduction policies. Countries need to perceive global carbon emissions from the new perspective of ‘relationship and abandon the biased rhetoric of ‘China climate threat. Global carbon reduction should fully rely on the consideration of the spatial correlation and the differences of industrial structure and economic level between countries. It is necessary for countries to take ‘common but differentiated responsibilities of coordinated carbon reduction based on the dual control of ‘quantity and ‘relationship.

Key words global value chain; carbon transfer; social network analysis; QAP

收稿日期：2019-08-22 修回日期：2019-10-29

作者簡介：余娟娟，博士，副教授，主要研究方向为国际贸易与环境。E-mail：562215326@qq.com。

基金项目：国家社科基金重大项目“‘一带一路区域价值链构建与中国产业转型升级研究”（批准号：18ZDA038）;教育部人文社科一般规划项目“中国嵌入全球价值链分工的环境效应及绿色升级路径研究”（批准号：19YJA790110）;中央高校基本科研业务费培育项目“全球价值链下中国碳生产率的测算及溢出效应研究”（批准号：2722020JCG013）。