中国产业间碳传导网络结构与特征分析

摘要：着眼于“双碳”目标要求，聚焦产业间的碳传导现象，通过引入网络分析思路与方法，以探究推动中国产业体系碳达峰的政策优化思路。在量化各类产业碳排放规模的基础上，运用社会网络分析法对1998—2016年中国38个产业间的碳流向及其传导网络特征进行识别并分析结构特征。进一步以碳传导特征为依据，运用块模型分析将产业划归为净溢出型、净吸收型、溢出型中介和吸收型中介四类。根据各类产业间碳传导特征差异，提出组建产业减碳“联盟”、合理调节溢出与吸收型产业的结构占比等建议，旨在助力工业全面碳达峰，推进产业结构优化升级，驱动区域绿色低碳高质量发展。

关键词：产业间碳传导网络；网络关联；净吸收型产业；碳达峰

中图分类号：F1213;X322 文献标识码：A文章编号：1007-2101（2024）05-0062-11

自2007年起，中国的碳排放量已跃居世界首位。近年来，由于温室气体效应所导致的高温热浪事件日益增多。据统计，中国年均气温每10年升高约0.23摄氏度，升温幅度是全球整体水平的2倍。受异常天气影响，每年有1 800万～3 200万公顷耕地受干旱影响，占播种面积12%～22%，且受旱面积不断增加[1]。同时，这类气候变化也对人类生活与健康产生不良影响。

面对严峻的气候威胁，中国政府给予了充分重视。2016年签订的《巴黎协定》，明确了未来15年的碳减排目标，提出了中国到“2030年实现单位GDP的二氧化碳排放量较2005年下降60%～65%”的减碳承诺。党的十八大以来，党中央先后明确提出要“正确把握生态环境保护和经济发展的关系”，并强调了“绿色发展是建设现代化经济体系的必然要求” “构建绿色产业体系和空间格局”，以及“引导形成绿色生产方式和生活方式”的愿景［2］。2021年3月，习近平总书记在中央财经委员会第九次会议上再次重申了中国加快实现碳减排的重要性，将实现碳达峰、碳中和称为“一场广泛而深刻的经济社会系统性变革”①。在同年10月国务院发布的《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》与《2030年前碳达峰行动方案》中，明确了碳排放治理的具体阶段性目标与要求，体现出中国政府实现“双碳”目标的决心与信心。

随着高质量发展背景下的产业结构转型与升级，由产业转移导致的生产端碳排放的空间分布也随之变动；又因其存在空间外部性，增加了碳排放空间演化格局的不确定性，进一步提升了区域碳减排策略的制定与实施难度[3]。在这一背景下，如何兼顾产业发展需求与“碳达峰”目标成为区域高质量发展的重要议题之一。为了更客观、准确地制定区域产业节能减碳目标、探究工业碳达峰的有效路径，本文基于对产业间碳传导网络的可视化分析，对产业间碳传导特征进行识别，以探究如何在产业结构优化升级过程中，最大化减少产业间碳传导带来的负外部效应，从而为探究产业转移背景下的工业碳达峰路径提供思路与方法借鉴。

一、文献回顾

全球日趋加剧的温室效应，增加了学术界对于如何降低碳排放问题的关注度。由于影响碳排放的因素具有复杂性和区域溢出性，使得关于碳排放的学科交叉性研究逐渐兴起。中国是全球碳排放量最高的发展中国家，产业的生产与加工环节是碳排放的主要来源之一[4]。随着全球绿色低碳发展的风潮，许多西方国家的工业类企业逐步将生产中的高污染、高碳排环节转移到发展中国家。中国东部地区承接了大量发达国家的转移产业，在促进自身产业结构升级的同时，也驱动了部分低效能产业内迁。在这一过程中，中部地区承接了自东部地区转移的大量金属冶炼与制品、电力生产与供应、采选等资源型产业以及相关制造业，优化了中国中西部地区生产力空间布局，使得中西部地区的国家能源、原材料和制造业基地的地位更为凸显[5-6]。产业转移过程伴随着碳排放的转移[7]，以能源转化、采掘业和制造业等为主体的省际间产业转移，引致了碳排放规模的空间演化，又由于产业转移的环境外部性，直接或间接地增加了转入地的碳排放规模[8]。产业转移与碳转移之间的连带关系给生产体系中的碳排放控制带来了更多不确定性，增加了区域低碳治理难度。

伴随着经济学与多元学科间研究思路与方法的融合，社会学中的网络分析思路被应用于对产业间日趋复杂的关联关系分析中，通过对产业关联网络的可视化构建，实现对产业间联系密度和强度的量化测度。社会网络分析法（SNA）是一种基于图论，运用“关系数据”研究某系统的空间网络关联及结构的方法[9-10]。该方法可用于分析人口迁移和国际贸易网络及其演化过程。这一方法的引入对产业体系中的污染传导研究具有突破性。当前大部分针对污染传导话题的研究，大多局限于探讨由于地理区位 “相邻”或“相近”所导致的碳流动或碳溢出现象，而普遍忽视了由于产业间关联关系所可能导致的碳传导问题。将这一研究思路引入产业经济和环境经济研究领域，不仅能够可视化产业间的关联关系，更能实现对网络内部碳元素规模变动和流向的动态捕捉[11]。通过运用社会网络分析法将产业间抽象的网络关联关系具象化，探究碳排放在产业网络中的传导路径，得出导致碳排放溢出的节点产业，识别可进行碳吸收的清洁型产业，从而通过重点把握两类产业的转移趋势，推动区域产业体系的碳减排、碳中和。Domenech和Davies应用这一方法对丹麦凯隆堡的产业网络进行了测度，这也是该领域最著名的研究成果之一[12]。其测度原理主要采用引力模型[13-14]和VAR Granger因果检验方法[12，15]。Granger因果检验用来回答一个时间序列的历史信息是否能够增强对另一个时间序列当期值的预测能力[16]，因而可用于从时间角度揭示产业碳排放之间的交互影响关系；引力模型则通过加入不同地区的碳排放量对传统引力模型公式进行改进，实现对产业间碳传导关系的测度。

碳传导网络是指由产业间上下游网络关系所形成的，伴随原材料、中间产品在产业上下游企业间形成传导的碳排放规模，其既能反映碳元素在产业网络中的传导路径，又能体现不同产业在这一过程中形成的碳沉淀或碳溢出规模。现阶段中国省际的产业转移以工业和制造类产业为主导，这类产业所具有的高能耗特征导致了其转移过程伴随着明显空间上的碳转移现象。由于产业转移本身所具有的空间演化特征，使得碳传导过程同样具有外部性，放大或缩小了产业转移本身对区域碳排放水平的作用效果，进而为当地碳排放效率带来多重影响。由于社会网络分析法可结合对经济和环境两方面的考量，并侧重于网络结构形态、相互作用模式和对协作结果的分析[17]，因而自2010年以来，国内学者尝试应用其对区域产业网络污染传导机制展开研究。以冷炳荣等[14]、刘华军等[11]为代表的经济学领域学者先后运用SNA方法开展对不同污染在产业间传导模式测算的应用性研究，构建产业网络来探讨产业污染的空间格局演化。通过对各省市碳排放量的空间关联效应分析可得出，现阶段中国各省市间碳排放的空间关联呈现高等级、低密度的网络特征。其中，制造业的网络结构特征对碳排放传导存在显著影响，且中间产品流动导致的影响尤为显著[18]。

总体而言，在对产业转移过程中的碳转移问题研究中，研究主体主要局限于行政单元，缺少对跨区域碳传导现象的探讨。当前基于网络视角的分析，大多以省市作为网络节点，以彼此间经济因素互动关系为基础识别网络结构，而从产业类别角度切入，以产业网络为依托的碳传导流向和规模识别有待补充。如今，碳排放的空间关联关系已经突破了传统线性模式，逐步呈现非线性空间结构，网络结构特征趋于复杂化。基于此，本文将社会网络分析方法引入碳排放研究领域，通过将地理不相邻但存在碳传导关系的地区纳入分析框架，或是可视化产业间碳传导关系，能够弥补现有文献中对于产业链传导机制和空间溢出影响等方面的研究不足。

二、传导网络的识别思路

国民经济可以看作是一个由众多存在相互影响的经济主体所构成的复杂系统。经济主体通过贸易往来，在系统中形成了复杂的网状结构。“复杂网络”概念源自于Watt和Strogatz的“small world”网络模型，后由Barabási和Albert进一步提出“无标度网络”概念，用以描述经济主体关联从完全规则网络到完全随机网络的转变过程[19-20]。产业关联网络基于上述概念提出，通过将复杂网络理论与产业关联理论的结合，用以系统性理解经济系统的运行机理[21]，并在实证中被应用于构建产业间关联关系图，以及对地区产业集群水平的量化识别[22-23]。随着多元学科间的渗透与融通，产业网络的分析思路进一步引起了环境经济领域学者的广泛兴趣。冷炳荣[14]、刘华军[11，24]等学者通过将产业关联网络概念引入环境问题研究中，用以识别各类废弃物在产业间的传导模式和空间流动格局。作为生产端产生的非期望产出之一，二氧化碳通过负载于原材料、中间产品和最终产品上等方式在产业之间传导。同时，由于碳排放具有的流动性和外部性特征，使得对碳排放传导模式的研究更为复杂：碳排放不仅会随产业链形成对上下游关联产业的传导，还会因其溢出效应形成在地理空间上的传导，继而影响整个产业链的碳排放规模和区域性碳减排决策[25-26]。

产业间碳传导是指不同产业间碳元素通过直接或间接形式相互关联，并由此产生外部性影响[20]。碳传导网络是指由节点产业之间碳传导关联所识别出的复杂网络关系。为了实现对这一网络的可视化构建，首先需要测算各类产业的碳排放规模，并明确产业链中各上下游产业间的碳传导方向。社会网络分析法对于分析多节点的交互影响关系具有明显优势，具有强大的分析功能，除了整体网络结构和个体网络结构特征指标外，还可以通过块模型分析，揭示各节点在网络中的位置和碳传导能力[27-28]。基于此，本文选取二位数产业碳排放的时间序列数据，尝试运用社会网络分析法原理构建产业间碳传导的动态网络，以捕捉各产业的碳敏感度，并以此为基础探析不同类型产业转移对转入与承接两地的影响差异。

三、产业碳排放测算

由于碳排放由产业的能源需求和能源要素投入量所决定，产业对能源要素的需求量决定了其终端碳排放规模，对于探究生产端的节能减碳路径更具实践意义。因此，本文以产业各类能源的终端消耗量为依据，基于《中国能源统计年鉴》中1998—2016年能源终端消费数据，参考张伟等[29]、樊星[30]的测算方法，分别对38个二位数产业历年的碳排放规模进行测算②。其中，将一次能源消耗量和由于加工或能量转换而产生的能源二次耗损均纳入对产业碳排放量的测算框架中，通过分别对各类产业的原煤、洗精煤、型煤、煤矸石、焦炭、焦炉煤气、高炉煤气、转炉煤气等煤炭类能源，原油、汽油、煤油、柴油、燃料油、石脑油、润滑油等石油类能源，以及包括天然气、液化天然气、热力和电力等其他能源在内的30种能源消耗的碳排放量进行量化测算，加总得出各类产业每年度的碳排放规模变动情况（见表1），公式为：

其中，C为第t年区域i碳排放量的估算值，j表示煤炭、焦炭、汽油、天然气和原油等化石燃料类别③，E为第t年区域i的 j类初级化石燃料的消耗量，LCV为对应燃料的平均低位热值，EF为碳排放系数（涉及相关指标数据见表1）。

四、产业间碳传导关系的识别

在测算产业终端碳排放的基础上，采用SNA对产业间的碳传导关系进行识别。环境经济领域的要素相关关系识别方法可分为引力模型和VAR Granger因果检验两类。与引力模型着重强调地理距离的重要性相比，Granger因果检验能够更为精准地回答某一时间序列的历史信息是否能够增强对另一时间序列当期值的预测能力。基于此，为了更准确地揭示碳排放的时空性交互影响，本文借鉴刘华军等[11]、张德钢等[31]的思路，在VAR模型框架下，运用Granger因果检验识别碳传导关系。

五、碳传导网络的结构特征

（一）碳传导网络图谱

在识别38个产业间碳传导动态关系的基础上，运用SNA法在VAR模型框架下对滞后1-4阶的网络密度和关联度进行测算，以进一步进行网络识别与特征分析。

1.网络密度。网络密度用以反映网络整体的系统紧密程度，产业间碳传导网络密度随滞后阶数的增加而呈现不断增长态势。设Nu为网络节点数，Mu为实际关系数，得到网络密度的表达式为：

2.网络关联度。网络关联度用以衡量网络结构的稳健性；关联程度越高，则表明该网络的结构越稳健。设O为网络中不可达的点对数目，得到网络关联度的表达式为：

经测算，产业间碳传导网络的关联性均为1，网络结构具有稳健性。基于对产业间碳传导网络密度和关联度的测算结果，笔者采用UCINET6.0中可视化工具Netdraw绘制产业间的碳传导网络图谱（见图1）。结果显示，中国1998—2016年产业间碳传导所形成的网络中存在复杂、多样的碳传导关系，各产业依托自身在产业体系中所处的节点位置不同，对上下游产业形成碳溢出、碳吸收作用，使整个产业体系的总碳排水平处于动态变化中。图1产业间碳传导网络关系（二）中心度指标测算

1.点度中心度（Degree Centrality）。为了量化识别各产业在碳传导网络中的功能定位，以及对网络碳排放总量的影响方向与强度，从而形成对产业间碳传导网络的全面性认知，故进一步对网络中各节点的点度中心度、中介中心度和接近中心度等指标进行测算。

点度中心度能够体现网络整体的集中程度，可用以反映某一节点在网络中的相对地位。该指标数值越高，则表明该节点产业在碳传导网络中所处地位越高，对其他产业的碳溢出程度也就越大。其计算公式为：

经运算，中国产业间碳传导网络中点度中心度较高的产业为煤炭开采和洗选业、黑色金属矿采选业、通用设备制造业、其他制造业、废弃资源综合利用业以及燃气生产和供应业。这些产业与其他产业之间均存在碳传导关系，为各类产业提供生产能源、原材料或综合性服务，具有连接产业类型广、综合性强的特点。点度中心度最小的产业为石油和天然气开采业，其仅与样本中其他14个产业存在直接的碳传导关系，这与该产业特殊的能源类型有关，仅服务于以石油和天然气能源消耗为主的特定类型产业，因而沿产业链的碳传导链条也相对有限。

由于产业间碳传导具有方向性，故进一步加入对碳流向的考量，计算各类产业的点出中心度与点入中心度。结果显示，碳传导网络的点出中心度总计为40.31%，点入中心度总计为48.41%（见表2）。从网络纵向关联来看，点入中心度最高的产业为通用设备制造业（数值为38），是所有产业均值的1.92倍，表明该产业在网络中是碳传导的主要接收者；相反，点入中心度最低的为饮料制造业，其值仅为8，表明该产业在碳传导网络中受其他产业碳溢出的影响较小。点出中心度最高的产业为其他制造业（数值为34），是所有产业均值的1.72倍，表明该类产业在碳传导网络中主要担任碳溢出者的角色。非金属矿物制品业与电力、热力生产和供应业两个产业的点出中心度取值仅为7，相对其他产业处于较低水平，在碳传导网络中对其他产业的碳溢出相对较小。

从网络横向关联来看，点出度高于点入度的产业共计22个，是产业间碳传导网络中的碳溢出者，而另外16类产业则主要在网络中承担碳传导接收者的角色。其中，有色金属矿采选业、纺织业、纺织服装与服饰业、木材加工和木竹藤棕草制品业、家具制造业、造纸和纸制品业、医药制造业、橡胶和塑料制品业、有色金属冶炼和压延加工业、汽车制造业、其他制造业和计算机、通信及其他电子设备制造业等12类产业的点出中心度高于所有产业均值水平的同时，也高于该类产业点入度，在产业间碳传导网络中属于引致碳排放溢出的产业类型。同时，以烟草制品业、仪器仪表制造业、废弃资源综合利用业、电力、热力生产和供应业、燃气生产和供应业，以及水的生产和供应业等为代表的14类产业的点入中心度高于所有产业平均值且高于该类产业自身点出度，表明这类产业在碳传导网络中主要作为其他产业碳溢出的接收者。

2.接近中心度（Closeness Centrality）。接近中心度是对产业与网络中其他产业接近程度的评价，其数值越大，则表明该产业在网络中受其他产业依赖程度越低，碳传导能力相对越弱。计算公式为：

进一步计算各产业在碳传导网络中的入接近中心度（in-closeness）和出接近中心度（out-closeness），以分别反映产业在网络中的整合力（integration）和辐射力（radiality）。通过测算得出，在中国产业间碳传导网络中，入接近中心度较高的产业为黑色金属矿采选业、通用设备制造业、废弃资源综合利用业以及燃气生产和供应业。这些产业大多以产业链的起始或终端类产业为主，这些产业在网络中对其他产业进行碳吸收的链条较多，连接程度较大。而有色金属矿采选业、通用设备制造业和其他制造业的出接近中心度较高，这类产业在网络中对其他产业的输出路径较多，辐射能力也越强（见表2）。

3.中介中心度（Betweenness）。中介中心度用以反映某类节点产业能在多大程度上控制其他节点产业间的关联关系，即该节点产业在碳传导网络中的媒介程度。其数值越高，则表明该节点产业在网络中越处于核心地位，发挥“中介”和“桥梁”作用。计算公式为：

（三）结构异质性分析

借助SNA法具有的网络分析能力，运用块模型辨别各类节点产业的碳传导能力，以及其对产业碳排放的异质性影响，并以此为依据尝试从碳传导强度视角对产业进行分类识别。由于网络外部性的存在，网络中产业间碳传导过程也会存在溢出问题。基于此，借用CONCOR迭代法，将收敛指数设为0.2，最大分割度设为2⑤。根据碳传导的方向和强度差异，所有产业可以被划分为4个模块（见表3），并计算各个模块接收与发出的关系束，以及期望内部关系和实际内部关系的比例。其计算公式为：

根据不同模块呈现出的碳传导特征，将模块分别定义为净溢出型、净吸收型、溢出型中介和吸收型中介四类。其中，净溢出型产业共10个，接收关系数为178，发出关系数为181，在碳传导网络中是碳排放的主要输出方，其兼具期望内部关系比例高于实际内部关系比例、发出关系数高于接收关系数的双重特征，是产业网络中碳排放的主要来源。相反，属于净吸收型的产业共12个，接收关系数为225，发出关系数为214，该板块中的产业具有发出关系数普遍高于接收关系数的特征，是碳传导网络中的主要接收方。与上述两个模块相比，模块I与模块IV的实际内部关联程度相对较低，分别仅有15.66%和33.93%，两大类产业均具有既对其他模块产业形成碳溢出，又吸收其他产业碳排放的双向特征。然而，这两个模块内部产业之间的相互关联较少，因而与其他模块相比，这两类产业在碳传导网络中起到“中介”作用。由于模块I中产业的发出关系数远高于接收关系数，因而在网络中主要偏向溢出型中介，即在向吸收型产业传导碳的过程中进行碳溢出；相反，模块IV中产业则为吸收型中介，在对网络中吸收型产业进行碳传导的过程中具有一定固碳效果。

四类产业间的碳传导关系存在交互性和复杂性。其中，净溢出型产业是网络中的碳溢出方，是生产侧碳排放产生的主要源头，并通过传导链条对网络中关联产业进行碳输出。净吸收型产业是网络中的碳接收者，主要吸收来自其他产业的碳溢出。这类产业往往以终端产业或综合服务类产业为主，是网络中碳传导的终端。与前两者相比，中介型产业在网络中作为枢纽，连接着产业碳传导的核心链条，是净溢出型和净吸收型产业间碳传导的“媒介”。

由于产业之间的碳传导能力存在差异，使得在分析生产活动对碳排放的影响时不能仅考虑该产业自身的能源消耗水平，还应结合网络特征加入对产业结构异质性影响的考量。针对中介型产业，其产业规模的变动会影响网络中碳传导联调数量及其规模，同时联动影响净溢出、净吸收型产业转移的碳传导强度，继而在网络中产生规模放大效应；净溢出型产业作为碳传导网络中的碳输出方，对其规模变动的严格把控，将有助于降低本地碳排放规模。与之相反，由于净吸收型产业具有一定碳吸收能力，因而其规模增加将有助于当地产业体系的碳中和。因此，依据碳传导能力差异对产业结构进行动态识别，有助于实时把控产业碳排放水平和碳中和潜力，并由此提升节能减碳政策的有效性；以此为依据对当地产业结构进行合理调控，将在推进“双碳”目标实施的同时，驱动当地产业结构的转型升级，进而促进区域的高质量发展。

六、结论与展望

本文以2021年10月国务院发布《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》和《2030年前碳达峰行动方案》为研究背景，从产业视角切入，分析各类产业的碳排放流向及其网络关联性影响。通过将产业网络概念引入碳排放研究领域，运用SNA法识别中国38个二位数产业的碳传导网络，以量化产业体系内的碳排放流向及其传导关系。以此为基础，通过测算点度中心度、中介中心度和接近中心度并进行块模型分析，得出不同产业在网络中的碳传导能力差异，结合块模型分析进一步将产业类别划分为净溢出型、净吸收型、溢出型中介和吸收型中介四类，并分别探讨了其对于产业体系碳排放的影响。围绕主要研究结论，提出以下政策优化思路。

以产业间碳传导网络为基础实施一体化监管，组建产业体系降碳“联盟”。通过对产业间碳传导网络的构建与识别，明晰了各类产业在网络中的节点位置，并以此为依据厘清其在碳减排过程中应承担的责任，并运用市场化机制实施对产业网络体系中碳排放的全流程治理。从宏观层面，以产业链为基础设立统一监管机制。如对本地产业实施全流程治理，通过建立上下游产业间碳传导的沟通与协商机制，重点把控网络中每个节点的碳排放规模，最大化减少原材料、中间产品交易过程中的碳溢出，形成一种沿产业链的系统性管理模式。从中观层面，以行业协会等社会性组织为媒介搭建产业碳减排“联盟”。可由地方政府出面组建区域产学研合作平台，以产业网络为依托，由政府负责量化并监督企业碳减排权责，为行业间碳交易、减排技术合作与推广提供沟通、磋商平台。

建立健全跨区域统筹协同机制，推进工业全面碳达峰。由于产业间存在碳传导现象，会随着不同类型产业的转移而引致碳排放空间格局变动，由此增加了低碳治理的难度。为了达到本地的减碳目标，地方政府会更倾向于扶持吸收型产业，而提升溢出型产业的准入门槛，由此可能演化成为非市场化的逐顶竞争。因此，在空间视角下探究低碳治理路径，不仅需要建立统一的碳排放标准，还需要在区域层面出台府际联动政策。如，可以将大数据、物联网等数字化技术应用于低碳治理领域。通过区域间数据共享、信息互通，对转移企业进行分类登记，对溢出型企业的碳排放进行重点追踪和监控。再如，从区域层面建立健全转移支付制度，以碳传导网络为依托识别碳转移产业链，对于存在本地生产异地消费类的溢出型企业，消费地需向生产地给予一定碳补偿。

科学调配区域产业结构，重点优化配置净吸收型和中介型产业占比。净吸收型产业在产业间碳传导网络中具有一定固碳作用，而中介型产业则在网络中处于枢纽地位。基于此，可有针对性地调整本地产业结构，以达到降低碳排放空间溢出、提升减碳效率的目的。具体实施方法包括：（1）结合各地区发展定位，对产业结构进行动态调整，合理调节溢出型和吸收型产业的规模占比；或通过政策税收优惠、补贴等鼓励政策吸引净吸收型产业转入，以降低产业网络中的碳传导规模。（2）合理调控两类中介产业占比。具有中介属性的产业在碳传导网络中起着媒介作用，其产业内部的能源要素投入变动，或是技术创新等调整性决策，不仅影响这些产业本身的碳排放规模，更会通过网络传导产生连锁效应，带动其他关联产业随之变动，继而影响网络整体的总碳排水平。因此，为增加产业网络的碳中和能力，应动态调控中介类产业占比，吸引吸收型中介产业迁入。同时，应注重对溢出型中介产业终端碳排放的防控，以避免由于网络传导所导致的碳溢出规模放大。

鼓励与扶持本地净吸收型产业。由于净吸收型产业对区域碳排放效率具有正向溢出效应，因此地方政府在对产业结构实施优化调整的同时，也应加大对本地净吸收型企业的扶持力度。如，可通过信贷优惠、低碳类产品宣传以及地方品牌打造等方式拓宽产业知名度、开拓产品出口渠道等。地方政府还可以通过扩大对高附加值产品或服务的采购比重，提升本地清洁型能源生产与加工类企业的市场竞争力；或通过引导居民低碳消费行为的方式扩大市场对净吸收型产业的需求，从而在区域内打造形成具有一定竞争优势、有利于区域碳中和的绿色产业集群。

注释：

①习近平主持召开中央财经委员会第九次会议强调：推动平台经济规范健康持续发展，把碳达峰碳中和纳入生态文明建设整体布局。见http：//www.xinhuanet.com/politics/leaders/2021-03/15/c_1127214607.htm。

②由于本文涉及的38个产业中包括电力、热力产业，为避免在测算过程中对这两类能源消耗的重复计算，故在估算历年分行业碳排放量时，不再重复计入各产业的电力和热力消耗，而将其纳入到产业层面碳排放及传导规模的测算中。

③考虑到能源消费种类的统计口径在过去30年有过多次调整以及数据的可得性问题，这里选取产业中占主导性的能源消费类型进行计算，包括煤、焦炭、原油、汽油、煤油、柴油、重油、燃料油、液化石油气、炼厂干气、天然气、煤气。

④《IPCC 国家温室气体排放清单指南2006》中未涉及的润滑油、石蜡和溶剂油的低位热值与碳排放因子，均参考其他石油制品的相关数据进行估算。

⑤设计方法参考种照辉、覃成林发表于《国际经贸探索》2017年第5期的《“一带一路”贸易网络结构及其影响因素——基于网络分析方法的研究》。

参考文献：

［1］詹媛.气候变化中国如何应对［N］.光明日报，2014-11-26.

［2］中共中央文献研究室.习近平关于社会主义生态文明建设论述摘编［M］.北京：中央文献出版社，2017.

［3］丁凡琳，陆军.居民能耗碳强度测算及其空间影响研究——来自中国285个地级市面板数据［J］.当代经济科学，2020（2）：92-103.

［4］吴常艳，黄贤金，揣小伟，等.基于EIO-LCA的江苏省产业结构调整与碳减排潜力分析［J］.中国人口·资源与环境，2015（4）：43-51.

［5］FAN C C.Industrial agglomeration and development： a survey of spatial economic issues in East Asia and a statistical analysis of chinese regions［J］.Economic Geography，2003（3）：295-319.

［6］胡雅蓓.中国省际隐含碳排放空间与产业转移路径［J］.技术经济，2019（9）：130-137.

［7］邓荣荣，李亚芳.中国中部区域承接国内产业转移进程中的碳排放转移测度［J］.产业经济评论，2019（3）：114-133.

［8］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.

［9］WASSERMAN S，FAUST K.Social network analysis：methods and applications［M］.New York： Cambridge University Press，1994.

［10］DUEAS M，FAGIOLO G.Modeling the international-trade network： a gravity approach［J］.Journal of Economic Interaction & Coordination，2013（1）：155-178.

［11］刘华军，张耀，孙亚男.中国区域发展的空间网络结构及其影响因素——基于2000—2013年省际地区发展与民生指数［J］.经济评论，2015（5）：59-69.

［12］DOMENECH T，DAVIES M.Structure and morphology of industrial symbiosis networks： the case of kalundborg［J］.Procedia Social and Behavioral Sciences，2011（10）：79-89.

［13］汤放华，汤慧，孙倩，等.长江中游城市集群经济网络结构分析［J］.地理学报，2013（10）：1357-1366.

［14］冷炳荣，杨永春，李英杰，等.中国城市经济网络结构空间特征及其复杂性分析［J］.地理学报，2011（2）：199-211.

［15］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（11）：4-16.

［16］GRANGER C W J.Testing for causality：a personal viewpoint［J］.Journal of Economic Dynamics and Control，1980（2）：329-352.

［17］CHERTOW G M，PERGOLA P E，AGARWAL R，et al.Cardiovascular safety and efficacy of vadadust for the treatment of anemia in non-dialysis dependent CKD？ Design and Baseline Characteristics［J］.American Heart Journal，2020（5）：1-11.

［18］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（2）：166-176.

［19］WATTS D J，STROGATZ S H.Collective dynamics of small-world networks［J］.Nature，1998（6684）： 440-442.

［20］BARABáSI A L，ALBERT R.Emergence of scaling in random［J］.Networks Science，1999（5439）：509-512.

［21］SCHWEITZER F，FAGIOLO G，SORNETTE D，et al.Economic networks：the new challenges［J］.Science，2009（5939）：422-425.

［22］CAMPBELL J.Application of graph theoretic analysis to inter-industry relationships： the example of Washington State［J］.Regional Science & Urban Economics，1975（1）：91-106.

［23］SLATER P B.The determination of groups of functionally integrated industries in the United States using a 1967 interindustry flow table［J］.Empirical Economics，1977（1）：1-9.

［24］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.

［25］JAVORCIK B S.Does foreign direct investment increase the productivity of domestic firms？ In search of spillovers through backward linkages［J］.American Economic Review，2004（3）：605-627.

［26］HALE G，LONG C.Are there productivity spillovers from foreign direct investment in China？ ［J］.Pacific Economic Review，2011（2）：135-153.

［27］蒋金荷.中国碳排放量测算及影响因素分析［J］.资源科学，2011（4）：597-604.

［28］马大来，陈仲常，王玲.中国省际碳排放效率的空间计量［J］.中国人口·资源与环境，2015（1）：67-77.

［29］张伟，朱启贵，李汉文.能源使用、碳排放与我国全要素碳减排效率［J］.经济研究，2013（10）：138-150.

［30］樊星.中国碳排放测算分析与减排路径选择研究［D］.沈阳：辽宁大学，2013.

［31］张德钢，陆远权.中国碳排放的空间关联及其解释——基于社会网络分析法［J］.软科学，2017（4）：15-18.

［32］SCHWERT G W.Why does stock market volatility change over time［J］.The Journal of Finance，1989，44（5）：1115-1153.

责任编辑：彭青Structural and Characteristic Analysis of Inter-industrial Carbon

Conduction Network in China

——Taking the "Second

Ding Fanlin Lu Jun

（1.Zhou Enlai School of Government， Nankai University， Tianjin 300350， China;

2.School of Government， Peking University， Beijing 100871， China）

Abstract：Focusing on the phenomenon of carbon conduction between industries， in order to achieve the goal of peak carbon emissions and carbon neutrality， this paper introduces the ideas and methods of network analysis to explore the policy optimization ideas of peak carbon dioxide emissions to promote China's industrial system. On the basis of quantifying the carbon emission scale of various industries， the paper uses social network analysis method to identify the carbon flow direction and its transmission network characteristics among 38 industries in China from 1998 to 2016， and analyzes the structural characteristics. Further， based on the characteristics of carbon conduction， the industry is classified into four categories by block model analysis： net spillover， net absorption， spillover intermediary and absorption intermediary. According to the differences of carbon conduction characteristics among various industries， some suggestions are put forward， such as establishing an industrial carbon reduction "alliance" and rationally adjusting the structural proportion of spillover and absorption industries， so as to help the industry to fully peak carbon dioxide emissions， promote the optimization and upgrading of industrial structure and drive the regional green， low-carbon and high-quality development.

Key words：inter-industrial carbon conduction network; network association; net absorption industry; carbon peak