中国省域净碳转移水平测度与差异分解

[摘要]净碳转移水平关乎区域碳排放流动效果，影响区域碳排放权分配与可持续发展。运用MRIO模型对30个省区市2012—2017年的净碳转移水平进行测算，并利用Dagum基尼系数法，从区域内、区域间、超变密度3个方面对净碳转移水平区域差异进行分解。研究发现：整体来看，中国净碳转移水平整体逐渐提高，由净碳转入转为净碳转出，但区域和省域间差异较大，东部地区净碳转移水平最高，各省域中北京、上海、浙江、广东、重庆的净碳转移水平较高；从区域差异来看，研究期内区域净碳转移水平整体差距在逐渐缩小，区域内净碳转移水平差异最大的是西部地区，区域间净碳转移水平差异最大的是东部地区与西部地区之间；从贡献率来看，区域间差异是影响净碳转移水平区域差异的最主要因素，其次为区域内差异，最后为超变密度差异。

[关键词]净碳转移；MRIO模型；Dagum基尼系数法；区域差异；碳排放权

一、引言

作为全球碳排放第一的国家[1]，中国面临严重碳减排压力。为降低温室气体排放，中国在2014年APEC会议上承诺，力争在2030年前实现碳达峰1。为此，中国政府出台了一系列碳减排支持政策，如《“十三五”控制温室气体排放工作方案》2《关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见》3《全国碳排放权交易市场建设方案》4。其中，全国碳排放权交易市场是利用市场化机制，控制温室气体排放、推动绿色低碳发展的一项重大制度创新，也是落实我国碳中和愿景的核心政策工具之一。区域碳排放权责分配既是全国碳排放权交易市场初始碳配额分配的前提，也是地区实现有效减排的关键。在过去较长时间段内，受中西部地区廉价的劳动力和土地资源优势吸引，我国部分东部地区企业将自身重能耗与污染制造工业迁移到中西部地区。这在极大程度上引致能源消耗空间布局改变，碳排放转移态势也日益凸显[2-3]。空间碳排放转移引发的污染天堂效应，给碳减排政策的有效性及碳排放权分配带来了挑战[4]。因此，有必要对碳排放转移问题进行深入研究。

净碳转移是学者Wiedmann在碳排放转移基础上提出的新概念，即某一省域碳轉入与碳转出的差值，其可以反映该省域“碳泄露”程度[5]。相较而言，碳排放转移主要研究的是省域间、行业间碳转移流向与流量问题，净碳转移则聚焦省域内部，且不考虑行业差异，主要研究单个省域的碳排放流动效果。可以说，净碳转移是碳排放转移的重要内容之一，代表着某一省域的碳排放处理能力。在碳中和目标日趋接近、全国碳排放权交易体系建设加速推进的背景下，准确测算省域净碳转移水平、明确净碳转移区域差异，有利于根据省域碳转移能力差异进行初始碳配额，进而合理分配区域碳排放权责。基于此，有必要研究中国省域净碳转移规律、空间差异及其原因。

目前学术界关于净碳转移的研究极少，仅有王育宝等[6-7]结合国内碳转移与国际碳转移，先后两次对中国2012年和2015年的净碳转移情况进行分析，指出受国家区域经济发展战略、区域分工与地区产业结构差异等因素影响，东部省区市对中西部省区市存在净碳转移。这为本研究带来了一定挑战，同时也带来较大机遇。因此，本文立足现有研究基础，结合学术界关于碳排放转移的相关文献[8-12]，对中国省域净碳转移问题进行进一步扩展研究。具言之，首先选取中国30个省区市为研究对象1，运用MRIO模型对2012—2017年间各省域净碳转移水平进行测度，从全国、区域、省域3个空间维度分析变化规律。随后采用Dagum基尼系数法，测算区域内、区域间、贡献率三方面的净碳转移水平区域差异，并对区域差异来源进行分解。本文可能的边际贡献在于：第一，不单独考虑国际碳转移因素，只从宏观碳转入和碳转出角度出发，测算国内各省域整体净碳转移水平，以拓展相关文献的研究视角；第二，不用某一年份的数据进行研究，而以时间段为研究期分析中国净碳转移水平变化，以夯实相关领域的研究内容基础；第三，创新运用Dagum基尼系数法，测算中国省域净碳转移水平的区域差异及原因，希望为后续净碳转移权责分配方案设计与政策实践提供有益参考。

二、 研究方法与数据

1. 研究方法

（1）净碳转移水平测度方法

MRIO模型是以多个区域为研究对象而编制的投入产出模型，可以反映区域间的生产技术联系和供需平衡关系，分析和预测各种区域经济问题[13]。因此，本文利用MRIO模型，从省际层面对碳排放量进行测算，并分析省域碳转移水平。

在一般经济系统中，MRIO模型行向量恒等式为：

其中，[r]、[s]表示省区市，[m]表示省区市数量；[A]为直接消耗系数矩阵，[Xrs]、[Yrs]分别表示省区市[r]对省区市[s]投入的中间产品与最终需求；[EXr]、[Xr]表示省区市[r]的出口和总产出。

进一步对式（1）进行转换，得到省区市[r]的总产出表达式为：

其中，[L=（1-A）-1]为列昂惕夫逆矩阵，[LrrYrr]为内需，[Lrrs=1，s≠rmArsXs]为中间产品调出，[Lrrs=1，s≠rmYrs]为最终需求调出，[LrrEXr]为出口。

碳排放量主要来自生产和消费两方面，因此分别对生产侧和消费侧的碳排放量进行测算。在此，本文不考虑国际贸易带来的隐含碳排放，默认进口贸易带来的隐含碳排放已纳入需求侧碳排放，出口贸易带来的隐含碳排放已纳入生产侧碳排放。

将省区市[r]的单位总产出碳排放量（碳排放系数）定义为[fr]，则省区市[r]生产侧和消费侧的碳排放量计算公式分别为公式（3）和公式（4）：

式（3）中， [frLrrYrr]为内需碳排放； [frLrrs=1，s≠rmArsXs]为中间产品调出隐含碳， [frLrrs=1，s≠rmYrs]为最终需求调出隐含碳，两者之和共同构成外需碳排放，也可称之为碳转入。式（4）中，[frLrrYrr]为省内碳排放；[s=1，s≠rmfsLssAsrXr]为中间产品调入隐含碳，[s=1，s≠rmfsLssYsr]为最终需求调入隐含碳，两者之和共同构成省外碳排放，也称为碳转出。

借鉴吴开尧等[14]、王安静等[15]的研究，在此使用省域生产侧和消费侧的碳排放之差，即碳转入与碳转出的差值衡量净碳转移水平。具体而言，省域净碳转移水平的核算公式为：

式（5）中，[CTr]表示省区市[r]生产侧、消费侧隐含碳排放的差值。若值为正，表明省区市[r]生产侧隐含碳排放大于消费侧隐含碳排放，净碳转移水平较低，表现为净碳转入；若值为负，则表明省区市[r]生产侧隐含碳排放小于消费侧隐含碳排放，净碳转移水平较高，表现为净碳转出。

全国净碳转移水平由各省区市净碳转入和净碳转出之和表示，各区域同理，计算公式为：

（2）区域差异程度测算模型

MRIO模型仅能反映出中国净碳转移水平的静态区域差异，难以直观探讨其区域内、区域间及区域差异来源，而Dagum基尼系数法在考察空间非均衡方面具有一定优势，可有效解决样本间存在的交叉重叠与无法明确总体差异来源等问题[16]。因此，在实证分析中国省域净碳转移水平基础上，需进一步运用Dagum基尼系数法，测算及分解中国净碳转移水平的区域差异及来源。

利用Dagum基尼系数法，对中国各区域净碳转移水平差异及其来源进行系统分析的计算公式为：

其中，[G]表示总体基尼系数，该系数数值越大，说明区域净碳转移水平的总体差异越大；[m]代表省区市数量，[k]代表划分区域数；[mj]表示第[j]个区域内省区市数，[mk]代表第[k]个区域内省区市数；[yji]指代[j]区域内第[i]个省区市的净碳转移水平，[yhr]指代[h]区域内第[r]个省区市的净碳转移水平；[y]表示各省区市净碳转移水平的平均值。

根据Dagum基尼系数分解方法，将中国净碳转移水平的区域差异分解为三部分，即区域内差异贡献[Gw]、区域间差异贡献[Gmb]和超变密度贡献[Gt]，三部分满足[G=Gw+Gmb+Gt]。计算公式如下：

其中，[pj=mjm]；[sj=mjyjmy]。[Gjj]是指区域[j]的基尼系数；[Gjh]为区域[j]和区域[h]间的基尼系数；[Djh]为衡量区域[j]与[h]间净碳转移水平的相互影响；[djh]为区域间净碳转移水平差值，即区域[j]与[h]中所有[yji-yhr>0]的样本值加总的数学期望；[pjh]为超变一阶矩，即区域中[yji-yhr<0]样本加总的数学期望；[Fj]和[Fh]分别表示[j]省区市和[h]省区市的累计密度分布函数。

2. 数据来源

本文选取中国30个省区市为研究对象，并根据国务院的经济区划分标准，将各省区市划分为东部、中部、西部和东北部四大区域。其中，东部省区市包括北京、天津、河北、山东、江苏、上海、浙江、福建、广东、海南，中部省区市为山西、河南、安徽、湖南、湖北、江西，西部省区市为内蒙古、宁夏、甘肃、青海、新疆、陕西、重庆、四川、贵州、广西、云南，东北部省区市包括辽宁、吉林、黑龙江。消费侧碳排放数据主要来源自《中国能源统计年鉴》中各行業的能源消费量数据，生产侧碳排放数据主要来源自《中国地区投入产出表》和CEADs团队的多区域投入产出表，部分缺失数据采用K近邻填补法补齐。考虑到生产侧数据目前仅更新至2017年，故选取2012—2017年为样本研究区。

三、 实证结果与分析

1. 中国省域净碳转移水平测算及分析

根据公式（3）和公式（4），测算2012—2017年30个省区市生产侧和消费侧的碳排放量，并由公式（5）和公式（6）分别计算各省域、各区域和全国的净碳转移水平（表1）。

从全国范围来看，2012—2017年中国净碳转移由342.53MtCO2降至-51.35MtCO2，均值为83.97MtCO2。这说明，研究期内中国净碳转移水平整体逐渐提高，从净碳转入逐渐向净碳转出转变，而目前全国整体净碳转移水平仍处于净碳转入阶段。这一现象的原因可能是，在低碳、绿色发展战略引导下，中国整体生产侧产生的碳排放逐渐减少，但由于过去全国整体生产侧产生的碳排放远大于消费侧，因此较短时间内净碳转移水平整体难以提高。

从四大区域来看，2012—2017年间，东部地区净碳转移一直处于-65MtCO2至-160MtCO2之间，均值为-101.18MtCO2。说明我国东部地区净碳转移水平整体较高，处于净碳转出阶段，即东部地区生产侧产生的碳排放一直小于消费侧碳排放。东北部地区净碳转移水平逐渐从53.4MtCO2降至-3.35MtCO2，由净碳转入变为净碳转出。这可能是由于近几年东北地区积极发展低碳经济和绿色生态产业，因此该地区生产侧产生的碳排放逐渐减少，现已小于消费侧碳排放。中部地区和西部地区的净碳转移平均值均超过44MtCO2，说明两大地区净碳转移水平均较低，长期以来一直处于净碳转入阶段。这与两大地区重能耗与污染制造工业较多相关，使得地区生产侧碳排放均大于消费侧碳排放。

从各省域来看，2012—2017年间，北京、上海、浙江、广东、重庆5个省区市的净碳转移均为负值，说明这些省区市的净碳转移水平整体较高，一直处于净碳转出阶段。这可能是因为上述5个省区市经济发达、人口众多、高污染产业与企业较少，因此单位面积内消费侧碳排放高于生产侧碳排放。山东、江苏、湖北3个省区市的净碳转移逐渐由正值转为负值，说明这些省区市的净碳转移水平逐渐提高，由净碳转入转为净碳转出。除上述8个省区市外，其余22个省区市的净碳转移平均值均为正，说明这些省区市的净碳转移水平整体较低。进一步对比各省域研究结果可以发现，研究结论与CEADs公布的各省域碳排放数据相符合。

2. 中国省域净碳转移水平的区域差异及来源分析

利用Dagum基尼系数法，采用Matlab软件，对中国省域净碳转移水平的基尼系数进行计算，进而分别测算各区域2012—2017年的基尼系数，结果如表2所示，并根据表2结果绘制图1、图2、图3。

从全国总体差距来看，基尼系数总体呈现波动式下降趋势（图1）。在2012—2017年间，区域净碳转移水平总体差距的变化有所波动。2012—2014年，中国净碳转移水平总体差距的基尼系数从0.1481下降至0.0924，整体呈下降态势。原因可能是，此时期在国家节能减排与低碳经济政策措施影响下，各地区重点推进相关工作，发展绿色低碳环保产业，致使生产环节的碳排放大幅减少，对其他地区的碳转出降低，因此本地区和其他地区的净碳转移水平均有所提高。2014—2015年，中国净碳转移水平总体差距的基尼系数小幅上升，从0.0924上升至0.0989，可能是部分省区市碳排放大幅降低或升高，导致碳转入和转出异常。2015—2017年，中国净碳转移水平总体差距的基尼系数逐渐下降，到2017年仅为0.0782，这可能与“十三五”时期，国家加大碳排放权交易的监管，针对碳排放权交易出台《碳排放权交易管理暂行办法》相关。上述政策措施使得各区域间碳转移量大幅缩小，一定程度上降低了净碳转移水平区域差异。总体而言，虽然我国经济整体呈现快速发展态势，产业规模也在不断扩大，但节能减排、绿色发展等政策的推行，使得我国各地区碳排放量日益减少，对其他地区的碳转出有所缩减，区域净碳转移水平总体差距逐渐缩小。

从区域内部差距来看，中国净碳转移水平的区域内基尼系数差异较大，其中东部地区内各省区市间净碳转移水平的基尼系数差异最大，西部地区的基尼系数差异次之，中部地区的差异较小，东北部地区的最小。分区域来看，西部地区内各省区市间净碳转移水平基尼系数的均值最大，为0.3267，说明西部地区的区域内部净碳转移水平差距最大。东部地区各省区市间净碳转移水平基尼系数的均值位列第二，说明区域内部净碳转移水平的差距也相对较大。且从总体上看，2012—2017年，西部和东部地区内部各省区市间净碳转移水平的基尼系数逐渐提高，说明区域内差异在逐渐增大。产生这一现象的原因在于，西部、东部地区内各省区市的政治与经济发展水平差距较大，政策执行和落地情况存在较大差距，且提高净碳转移水平的工作难度不同，随着时间推移，区域内省区市间的差异会越来越大。中部地区内部各省区市间净碳转移水平基尼系数均值差异为0.2669，与东北部地区相近。但从图1可以看出，中部区域是四大区域中净碳转移水平基尼系数波动最大的区域。产生这一现象的原因可能是，中部崛起战略在各地区的落地推进存在差异，使得各类要素资源向经济发达的省区市与省会城市倾斜，导致中部地区区域内部省区市间的净碳转移水平呈现较强波动态势。东北部地区内部各省区市间净碳转移水平基尼系数均值差异最小，为0.1731，总体呈现下降态势。可能的原因是，地区经济、产业发展稳定，碳排放量较为固定，且省区市较少，因此区域内差异不大。

从区域间差距来看，各区域间净碳转移水平差异较为明显（图2）。研究期内，“东—西”间净碳转移水平的基尼系数最大，比“东—中”“中—东北”和“东—东北”明显高出许多，这是构成区域间整体不均衡的主要原因。东部与西部间净碳转移水平历年的基尼系數均大于0.28，且持续平稳上升，因此区域间差距最大。“西—东北”“中—西”间净碳转移水平的基尼系数均值分别为0.2827、0.2801，位列第二和第三。就演进趋势而言，2012—2017年，“中—西”间净碳转移水平的基尼系数整体呈上升趋势，说明此区域间差距逐渐增大。“西—东北”间净碳转移水平的基尼系数先下降后上升，在2014年达到最低值，说明此区域间差距先减小后增大。“东—中”部之间的基尼系数与“中—东北”和“东—东北”部之间差不大，2012—2015年，“东—中”与“东—东北”之间的基尼系数比“中—东北”间要高出许多，然而2016年以后，“中—东北”间的基尼系数迅速增大，高于“东—中”与“东—东北”的基尼系数。“东—中”“中—东北”和“东—东北”地区间净碳转移水平的差距变化不大，这可能与两大区域的地理位置相近或经济与产业发展程度相似有关。

从贡献率方面来看，中国净碳转移水平区域差异的最主要影响因素是区域间贡献率，区域内贡献率的影响次之，超变密度贡献率的影响最小（图3）。就区域间贡献率而言，研究期内整体呈先下降后上升再下降的波动发展态势，由2012年的55.62%下降到2014年的51.32%，随后持续上升到2017年的最高值59.36%。与区域间贡献率相反，超变密度贡献率在研究期内整体呈现出先上升后下降的大幅波动态势，其由2012年的13.14%上升至2014年的19.13%后，随后持续下降至2017年的14.22%。区别于上述波动发展态势，研究期内的区域内贡献率整体基本呈现出稳步下降态势，由2012年的31.24%下降至2017年的26.42%，虽然在2015年有所上涨，但涨幅极小，几乎可以忽略不计。综合表1和图3分析可知，区域间贡献率对中国净碳转移水平区域差异的影响最大，意味着区域间差异是造成东部、东北部、中部、西部净碳转移水平高低的主要原因；区域内贡献率对中国净碳转移水平区域差异的影响一般，表示地区间差异也会造成东部、东北部、中部、西部净碳转移水平出现高低差异，但影响效应较小；超变密度贡献率最低，说明其对东部、东北部、中部、西部净碳转移水平高低差异的影响不大。

四、 研究结论及政策建议

1. 研究结论

本文利用MRIO模型测算了中国省域净碳转移水平，并采用Dagum基尼系数法对净碳转移水平的区域差异及来源进行分解，得到主要结论如下：

第一，整体来看，考察期内中国净碳转移水平整体逐渐提高，从净碳转入转为净碳转出，但区域和省域间差异较大。就区域差异而言，四大区域净碳转移水平差异显著，表现为东部＞东北部＞中部＞西部，其中只有东部地区处于净碳转出阶段，其他地区均处于净碳转入阶段。就省域而言，北京、上海、浙江、广东、重庆、山东、江苏、湖北8个省区市的净碳转移水平整体较高，处于净碳转出阶段，其余22个省区市的净碳转移水平整体较低，处于净碳转入阶段。

第二，从区域差异来看，考察期内四大地区净碳转移水平差距在逐渐缩小。就区域内差异而言，中国净碳转移水平的区域内差异较为显著，表现为西部＞东部＞中部＞东北部。就区域间差异而言，“东—西”间的净碳转移水平差异最大，“西—东北”“中—西”间差异相对较大，“东—中”“中—东北”和“东—东北”差异较小。

第三，从贡献率层面来看，净碳转移水平区域差异的区域间贡献率最高、区域内贡献率次之、超变密度贡献率最小。也就是说，区域间差异是造成净碳转移水平区域差异的最主要因素，其次是区域内差异，最后是超变密度差异。

2. 政策建议

第一，因地制宜，出台差异化碳减排政策。各省域政府要想提高净碳转移水平，需在制定碳减排政策时，结合自身经济体量、空间范围、产业布局等特点，尽可能因地制宜，出台符合当地实际的差异化碳减排政策。例如，北京、上海等8个省区市政府应积极发展高效、节能、绿色的低碳环保产业，支持战略性高新技术產业发展，并出台鼓励企业进行低碳清洁技术研发的支持政策，保证自身净碳转移稳定高水平状态。其余22个省区市政府应在保障国家能源供给安全、充足的基础上，适当发展绿色、可持续的前瞻性产业，以产业发展带动净碳转移水平提升。同时应在保证生态环境基础上重点发展高附加值产业，并出台相应的引导、支持政策，提升企业碳减排积极性，最终通过降低生产侧碳排放方式提升净碳转移水平。

第二，发挥资源优势，缩减净碳转移区域间差异。鉴于区域间差异是造成净碳转移水平区域差异的最主要因素，各地区政府、企业与相关主体应相互合作，最大化发掘和利用本地区资源禀赋优势，大力推进绿色、低碳产业发展。例如，东部地区企业应利用本地区资金充沛、技术先进、高素质劳动力多等优势，大力研发节能技术与产品，推进战略性环保产业可持续发展。西部地区企业应利用本地区政策倾斜、资源丰富、劳动力廉价等优势，积极鼓励企业进行低碳化转型，推进绿色、环保产业代替传统高能耗、高污染产业。最终通过东部与西部地区相互合作，各地区充分发挥本地资源禀赋优势，降低东部地区消费侧单位碳排放、西部地区生产侧碳排放，进而缩小净碳转移水平区域间差异。

第三，加强宏观调控，完善碳排放权配额管理制度。缩小净碳转移水平区域差异不需仅依靠区域自身，还需要国家宏观调控。因此，我国有必要完善碳排放权配额管理制度，结合地区生产侧和消费侧碳排放情况，分配不同地区的碳排放权。一方面，革新传统历史排放为基准的碳排放权配额分配标准，减少逆向选择，降低各地区配额前大力增加生产侧碳排放的可能性，遏止配额后为实现碳减排可能产生的趋利行为，以此缩小区域间净碳转移水平差异。另一方面，将碳转移责任纳入配额分配机制，根据省域净碳转移水平在区域内的占比进行碳排放权分配，如增加地区内净碳转入省区市的碳配额，减少净碳转出省域的碳配额，以此刺激以技术进步为主的内生减排机制形成，缩小区域内净碳转移水平差异。

参考文献：

[1] 舟丹.中国是世界上最大的碳排放国之一[J].中外能源，2015（1）：56.

[2] 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.

[3] 肖雁飞，万子捷，刘红光.我国区域产业转移中“碳排放转移”及“碳泄漏”实证研究——基于2002年、2007年区域间投入产出模型的分析[J].财经研究，2014（2）：75-84.

[4] 董琨，白彬.中国区域间产业转移的污染天堂效应检验[J].中国人口·资源与环境，2015（增刊2）：46-50.

[5] Wiedmann T.A Review of Recent Multi-Region Input-Output Models Used for Consumption-Based Emission and Resource Accounting[J].Ecological Economics，2009（2）：211-222.

[6] 王育宝，何宇鹏.中国省域净碳转移测算研究[J].管理学刊，2020（2）：1-10.

[7] 王育宝，何宇鹏.增加值视角下中国省域净碳转移权责分配[J].中国人口·资源与环境，2021（1）：15-25.

[8] 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（5）：2012-2020.

[9] 陈晖，温婧，庞军，等.基于31省MRIO模型的中国省际碳转移及碳公平研究[J].中国环境科学，2020（12）：5540-5550.

[10] 马燕，张伟.基于碳转移的部门碳分配研究[J].科技管理研究，2020（13）：85-92.

[11] 李艳梅，牛苗苗.承接国际产业转移对中国碳排放影响的研究[J].现代化工，2019（1）：7-11.

[12] 王少剑，田莎莎，蔡清楠，等.产业转移背景下广东省工业碳排放的驱动因素及碳转移分析[J].地理研究，2021（9）：2606-2622.

[13] 刘福康.中国省域净碳转移测度与责任分担研究——基于多区域投入产出模型[D].济南：山东财经大学，2021.

[14] 吴开尧，杨廷干.国际贸易碳转移的全球图景和时间演变[J].统计研究，2016（2）：43-50．

[15] 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.

[16] 何刚，王莹莹，阮君，等.基于Dagum基尼系数的生态安全区域差异及收敛度研究——以淮河生态经济带安徽段为例[J].水土保持研究，2021（6）：348-355.

基金项目：2020年国家自然科学基金项目“南水北调中线水源区生态环境保护与产业结构优化耦合机理与模拟调控”（项目编号：42077449）；教育部人文社会科学项目“南水北调中线工程水源区水生态环境与经济耦合协调机理及动态调控研究”（项目编号：19YJC630075）；河南工程学院博士基金项目“大数据环境下电子商务商家信用机制研究”（项目编号：D2021015）。

作者简介：高博（1981-），男，博士，河南工程学院管理工程学院讲师，研究方向为经济数据分析、系统建模与仿真、区块链技术应用。

（收稿日期：2022-04-28  责任编辑：殷 俊）