RCEP外需影响下中国出口隐含碳驱动因素及关键路径研究

谢亦菲 李晖

摘要：基于EORA26世界投入产出数据库，采用多区域投入产出模型测算分析2012—2016年中国对RCEP（Regional Comprehensive Economic Partnership）地区的出口隐含碳，通过结构分解分析和结构路径分解考察了中国对RCEP地区出口隐含碳变动主要因素和关键路径。研究结果表明，中国对RCEP地区出口隐含碳呈下降趋势，主要驱动因素是中国国内产业关联效应、国内生产部门的碳排放强度效应和RCEP区域最终需求规模效应；而中国与世界其他经济体的产业关联效应和RCEP区域最终需求来源地结构效应则促进了中国对RCEP地区出口隐含碳的增长。建议继续降低国内生产部门的碳排放强度和优化国内中间生产结构，加快外源技术引进，针对关键路径各项因素采取上下游综合治理的措施。

关键词：隐含碳；多区域投入产出模型；结构分解分析；结构路径分解

中图分类号：X196；F125.3

文献标志码：A

文章编号：1006-1037（2023）02-0128-07

doi：10.3969/j.issn.1006-1037.2023.02.21

基金项目：

青岛市博士后应用研究项目（批准号：2016038）资助。

通信作者：

李晖，女，博士，副教授，主要研究方向为投入产出技术与宏观经济分析。

《区域全面经济伙伴关系协定》（Regional Comprehensive Economic Partnership，RCEP）的签署标志人口最多、经贸规模最大、转型要求最高的自由贸易区正式启动，可为其成员国提供更低的贸易关税和更开放的市场。中国对外贸易迎来重大发展机遇［1］，生产侧碳排放则面临巨大减排压力［2］。为实现减排目标，需要识别外需拉动下中国碳排放增长的驱动因素，出台高效减排政策。碳排放驱动因素常用分解方法包括结构分解分析（Structural Decomposition Analysis，SDA）［3-5］、对数平均迪氏指数法（Logarithmic Mean Divisia Index，LMDI）［6-8］、STIRPAT（Stochastic Impacts by Regression on Population，Affluence and Technology）模型［9］等。SDA通常基于投入产出数据和各部门碳排放数据，侧重分析生产过程及最终需求中各因素对碳排放变化的影响，广泛实践于区域视角和双边贸易碳排放，相较于LMDI和STIRPAT更适合探究贸易隐含碳［10-12］。SDA虽能识别生产及贸易过程碳排放驱动因素，但无法刻画碳排放变化的完整产业路径和识别关键部门。结构路径分解（Structural Path Decomposition，SPD）基于结构分解分析和结构路径分析［13］，恰好能弥补结构分解分析的缺陷［14］，探究产业路径和部门层面碳排放变动更深层次的驱动因素［15-18］。综上，本文基于多区域投入产出模型，测算RCEP框架确立后中国对其他RCEP国家的出口隐含碳变动，通过识别出口隐含碳变动的驱动因素及关键路径，为RCEP框架下中国制订出口贸易及国内减排政策提供参考。

1 研究设计

1.1 出口隐含碳测算

由m个国家（地区）构成的MRIO模型基本表达式为

其中，xi表示国家i总产出向量，i=1，2，…，m；子矩阵Aii表示国家i对国内中间产品的使用结构；子矩阵Aji（i≠j）表示国家i对国家j生产中间产品的使用结构；yii表示国家i对国内最终产品的最终需求，yji（j≠i）表示国家i对国家j生产最终产品的最終需求。

假设国家1是中国，定义以下变量

其中，AW表示世界中间产品使用结构；yWi表示国家i最终需求向量；yW表示除中国以外其他国家（地区）最终需求向量；fi是国家i碳排放强度列向量，其各元素为各生产部门单位产出碳排放量。向量f1中，除中国外其他国家所有部门碳排放强度均为0。根据以上设定，外国需求影响下中国出口隐含碳可表示为

1.2 出口隐含碳变化结构分解

基于式（3），外需向量yW可分解为

其中，（Pr⊙Sr）vr表示RCEP国家（下文中的“RCEP国家”与“RCEP区域”均指除中国以外的其他RCEP国家及地区）最终需求向量之和；（Po⊙So）vo表示所有非RCEP国家最终需求向量之和；Pr和Po分别表示RCEP国家和非RCEP国家最终需求的产品结构；Sr和So分别表示RCEP国家与非RCEP国家各类最终产品的国家（地区）来源分布；vr与vo分别表示RCEP国家最终需求总量；符号⊙表示矩阵或向量对应元素相乘。

则中国对RCEP国家的出口隐含碳为

为探究全球生产体系中各种产业关联效应对出口隐含碳的影响，世界中间产品投入结构效应分解为五种产业关联效应［2］，因此中国对RCEP国家的出口隐含碳变动可分解为

其中，C（Δf1）为中国各生产部门碳排放强度效应，C（ΔLW）为世界中间产品投入结构效应，C（ΔA*1d）为中国国内产业关联效应，C（ΔA*1i）为中国与其他国家的前向产业关联效应，C（ΔA*i1）为中国与其他国家的后向产业关联效应，C（ΔA*-1d）为世界其他国家国内产业关联效应，C（ΔA*ij）为世界其他国家间的产业关联效应，C（ΔPr）为RCEP国家最终需求的产品结构效应，C（ΔSr）为RCEP国家最终需求来源地结构效应，C（Δvr）为RCEP国家最终需求的规模效应。

1.3 出口隐含碳变动路径分析

为探究影响中国对RCEP国家出口隐含碳变动的上下游产业关系，采用结构路径分解（SPD）模型，研究中国向RCEP地区出口隐含碳的关键路径。已知完全需求系数矩阵LW可表示为

代入式（5），中国对RCEP国家的出口隐含碳可表示为

由于三阶以上路径对碳排放影响较小，中间生产环节多且复杂，不易展示与分析，因此本文研究对象设定为三阶以内的路径。

1.4 数据来源与处理

世界投入产出数据库（EORA26）的投入产出表包含了全球范围内189个国家（地区）和一个由其余地区构成的ROW区域，每个国家（地区）均包含26种产业部门，且提供了相匹配的环境和卫星账户。为探究协议下中国对RCEP地区出口隐含碳变化，选取EORA26提供的2012—2016年地区间投入产出数据，碳排放数据源自EORA26相匹配的环境账户。

2 结果与讨论

2.1 中国对RCEP国家出口隐含碳现状分析

2012—2016年，中国出口隐含碳总量由2 351 MT降至1 974 MT，中国对RCEP国家出口隐含碳由533 MT降至372 MT，中国对RCEP国家出口隐含碳与中国出口隐含碳总量占比自22.68%降至18.87%，其中2016年的下降幅度最大（图1）。中国出口贸易虽增长，出口隐含碳却持续减少，这可能源于中国通过提高国内能源利用效率和优化产业结构实现生产过程中碳排放量下降。

相较于2012年，2016年中国对日本出口隐含碳下降幅度较大，由236 MT降至130 MT，但日本仍是RCEP区域内中国最大出口对象，另外新加坡、澳大利亚亦降幅较大（表1）。中国出口隐含碳增长的国家主要集中东南亚地区如越南、菲律宾、老挝、柬埔寨，这表明2012年RCEP初步拟定后，中国与部分东盟国家间贸易往来影响较大，东盟国家对中国出口产品需求快速上升，即便中国降低了生产过程碳排放强度，中国出口至东盟国家隐含碳仍增幅较大。区别于日本、韩国传统贸易伙伴，东盟国家多为发展中国家，其市场化程度较低，发展潜力较大，成为中国对外贸易和区域合作的重要新兴伙伴。

2.2 中国对RCEP国家出口隐含碳行业分布

中国主要出口贸易行业对RCEP区域出口隐含碳均呈现下降趋势（图2）。出口隐含碳规模最大的行业是“电、气和水”，作为产业链上游需为其他行业提供能源服务，碳排放强度远高于其他行业平均水平，导致其出口隐含碳规模最大。2012—2016年出口隐含碳规模降幅最大的行业是“电气和机械”，出口隐含碳减少了38.52%，由于技术壁垒较高，中国位于全球产业链下游，制造业回流对电气和机械行业出口贸易影响较大。各主要行业出口隐含碳变化趋势与全行业出口隐含碳变化趋势基本一致，推测各行业出口隐含碳下降是由于全行业投入产出效率提高，而各行业出口结构变化影响较小。

2.3 中国出口隐含碳变化驱动因素分析

由表2可知，2012—2016年中国国内产业关联效应导致对RCEP地区出口隐含碳减少了16.49%，是抑制中国对RCEP地区出口隐含碳增长的最重要因素，这说明中国通过调整产业结构、升级生产工艺等促使了国内中间投入结构低碳化。中国国内生产部门碳排放强度效应致使中国对RCEP地区出口隐含碳减少了9.09%，这是中国长期致力提高能源利用效率以減少碳排放的积极成果。RCEP地区最终需求规模效应致使中国对该地区出口隐含碳减少了8.21%，由于中国全球分工参与增加和全球价值链嵌入度提高，因此出口隐含碳更多是由中间产品出口引致，而最终产品出口导致的隐含碳显著减少。RCEP区域最终需求产品结构使中国对该地区出口隐含碳减少了3.64%，可能是由于中国限制了向该地区出口高能耗、高排放产品。

中国与其他经济体的前向产业关联效应致使中国对RCEP地区出口隐含碳增加了5.39%，其经济意义在于，中国深度参与国际垂直专业化分工，大量承担发达国家制造业外包，扩大中间产品出口规模，从而带动中国对RCEP地区出口隐含碳上升；RCEP区域最终需求来源地结构效应致使中国对该地区出口隐含碳上升了1.56%，说明中国出口的最终产品在RCEP国家市场份额提高，促进了中国对RCEP地区出口隐含碳增加。此外，其他国家间产业关联效应、其他国家国内产业关联效应及中国和其他国家的后向产业关联效应对出口隐含碳影响较小。全球化生产背景下，任意两个国家间或任一国家内生产结构的变化都可能影响其他国家生产，但此间接影响作用较小。后向产业关联效应测度中国企业作为中间产品需求方与外国企业的联系，对中国出口至RCEP地区隐含碳影响较小。

2.4 基于RCEP区域最终需求视角的结构路径分解分析

2.4.1 促进出口隐含碳增长的路径分析 根据SPD筛选促进中国向RCEP地区出口隐含碳增长的关键路径（表3），其中，影响因素为最终需求来源地结构效应的关键路径有13条，对中国碳排放增长的贡献约为6.43 MT，说明RCEP地区中国出口最终产品的市场份额有所提高。关键路径涉及的生产部门多为“电气和机械”、“纺织品和服装”、“金属产品”以及“电、气和水”，中国电力、天然气等能源出口规模扩大和RCEP区域内中国制造业出口产品竞争力提升是引起中国对RCEP地区出口隐含碳增长的关键因素。中国碳排放增长促进效应最大的最终需求部门是居民消费（日本），其次投资（泰国）和居民消费（韩国）。居民消费（日本）的关键路径一共有13条，对中国碳排放增加的总贡献约为5.91 MT，占关键路径总量的44.81%，其中“纺织品和服装→居民消费（日本）”贡献最大。“电气和机械→投资（泰国）”和“纺织品和服装→居民消费（韩国）”分别是投资（泰国）和居民消费（韩国）两部门对中国碳排放增长贡献最大的关键路径。

2.4.2 抑制出口隐含碳增长的路径分析 根据SPD筛选抑制中国向RCEP地区出口隐含碳增长的关键路径（表4）。影响因素为最终需求规模效应和最终需求结构效应的关键路径分别有10条和9条，最终需求规模效应对中国隐含碳出口的贡献约为-10.13 MT，占关键路径总量的44.53%，是抑制中国对RCEP地区出口隐含碳增长的主要因素，这与结构分解结果一致。“电气和机械”和“纺织品和服装”是减排路径的关键部门，其关键路径贡献分别为-9.94 MT和-8.02 MT，共占关键路径总量的78.98%。对比表3发现，“纺织品和服装”和“其他制造业”的减排路径贡献明显大于增排路径，说明中国通过产业升级淘汰落后产能，着力发展“电气和机械”高附加值的技术密集型产业。居民消费（日本）对中国出口隐含碳增长的抑制作用最为显著。以居民消费（日本）为最终需求部门的关键路径一共有17条，抑制中国出口隐含碳增加的贡献约为-14.06 MT，占关键路径总量的61.82%。对比增排路径和减排路径发现，两类关键路径中居民消费（日本）均有突出贡献，但增排路径中涉及上游行业主要为“电气和机械”，而减排路径中涉及上游行业主要为“纺织品和服装”，这说明日本对中国电气和机械高端制造产品需求增加，而对纺织品和服装需求明显减少，中国可加快产业升级有利于应对此变化。日本、韩国和泰国对中国碳排放增加的抑制效应最大，日本和韩国的抑制效应主要源于居民消费和投资，而泰国主要源于投资。关键路径中日本对抑制中国出口隐含碳增长总贡献约为-16.35 MT，绝对值高于其他RCEP国家贡献总和，日本的最终需求变动是中国对RCEP地区出口隐含碳减少的主要原因。

3 结论

投入产出框架下，本文测算了2012—2016年中国对RCEP国家出口隐含碳变化，分析了出口隐含碳变化的多个驱动因素和关键路径。中国对RCEP地区出口隐含碳呈下降趋势，其中对日本、韩国、新加坡下降幅度较大，而对东南亚大部分发展中国家呈增长趋势；中国通过优化国内生产结构、提高生产工艺和能源利用效率减少了隐含碳出口；中国参与更深层次的国际分工导致隐含碳更多以中间产品的形式出口至RCEP国家。中国未来减排工作应聚焦于具体产业链，针对上下游部门综合治理：优化上游生产供应行业投入结构，通过新技术研发及深化对外技术交流提高能源利用效率，降低碳排放强度；提高下游行业投入产出效率，减少碳排放。今后将基于全球价值链嵌入视角，研究中国出口隐含碳变化。

参考文献

［1］江小涓. 大国双引擎增长模式——中国经济增长中的内需和外需［J］. 管理世界， 2010（6）： 1-7.

［2］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.

［3］YAN Y F， YANG L K. China's foreign trade and climate change： A case study of CO2 emissions［J］. Energy Policy， 2010， 38（1）： 350-356.

［4］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， 2010， 9（4）： 1287-1310.

［5］李艳梅， 付加锋. 中国出口贸易中隐含碳排放增长的结构分解分析［J］. 中国人口（资源与环境）， 2010， 20（8）： 53-57.

［6］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.

［7］马光辉， 张迎春， 姚芳斌. 中国渔业经济碳排放驱动因素研究——基于 LMDI 和脱钩模型的双视角分析［J］. 青岛大学学报（自然科学版）， 2022， 35（1）： 117-123.

［8］孟明， 牛东晓， 许晓敏. 经济转型过程中资源依赖度演进路径分解模型研究［J］. 中国管理科学， 2016， 24（3）： 18-23.

［9］王乃春， 徐翠蓉. 基于 STIRPAT 模型的青岛市碳排放影响因素分析［J］. 青岛大学学报（自然科学版）， 2016， 29（2）： 90-94.

［10］ 邓荣荣， 陈鸣. 中美贸易的隐含碳排放研究——基于 IO-SDA 模型的分析［J］. 管理评论， 2014， 26（9）： 46-57.

［11］ 闫云凤， 赵忠秀， 王苒. 中欧贸易隐含碳及政策启示——基于投入产出模型的实证研究［J］. 财贸研究， 2012， 23（2）： 76-82.

［12］ 錢志权， 杨来科. 东亚垂直分工对中国对外贸易隐含碳的影响研究——基于 MRIO-SDA 方法跨期比较［J］. 资源科学， 2016， 38（9）： 1801-1809.

［13］ WOOD R， LENZEN M. Structural path decomposition［J］. Energy Economics， 2009， 31（3）： 335-341.

［14］ 谢锐， 王振国， 张彬彬. 中国碳排放增长驱动因素及其关键路径研究［J］. 中国管理科学， 2017， 25（10）： 119-129.

［15］ OSHITA Y. Identifying critical supply chain paths that drive changes in CO2 emissions［J］. Energy Economics， 2012， 34（4）： 1041-1050.

［16］ GUI S S， MU H L， LI N. Analysis of impact factors on China's CO2 emissions from the view of supply chain paths［J］. Energy， 2014， 74： 405-416.

［17］ TIAN Y S， XIONG S Q， MA X M， et al. Structural path decomposition of carbon emission： A study of China's manufacturing industry［J］. Journal of Cleaner Production， 2018， 193： 563-574.

［18］ 张炎治， 冯颖， 张磊. 中国碳排放增长的多层递进动因——基于 SDA 和 SPD 的实证研究［J］. 资源科学， 2021， 43（6）： 1153-1165.