中国工业CO2排放的行业间传导网络及协同减排
2016-05-31刘华军刘传明陈明华
刘华军++刘传明++陈明华
关键词工业CO2排放;行业间传导;Granger因果检验;SNA;协同减排
中图分类号F205;F424 文献标识码A文章编号1002-2104(2016)04-0090-10doi:10.3969/j.issn.1002-2104.2016.04.012
人类已经进入了第四次工业革命—“绿色工业革命”时代。作为中国GDP的最大贡献者,工业成为能源消费和CO2排放最主要的部门。改革开放以来,中国工业GDP保持了年均11.5%的高速增长,中国已经成为世界第一制造大国。然而以“高投入、高消耗、高排放”为特征的粗放型工业发展模式却给中国经济的持续健康发展带来严峻的资源环境压力,因此,工业部门的节能减排将成为有效破解资源环境瓶颈制约并最终实现绿色发展的关键,绿色发展成为实现工业强国的唯一出路。当前,中国已经向世界做出碳减排承诺,中国CO2排放将在2030年左右达到峰值。然而,节能减排目标的实现不仅需要发挥各地区的协同效应,而且要更加注重工业内部不同行业间的协同效应。不同行业的CO2排放不仅存在显著差异,而且行业间的关联关系也日趋紧密[1-3]。因此,本文要回答的问题是:既然CO2排放在行业间存在一定的联系,那么如何识别行业间CO2排放的交互影响关系?多个行业间的CO2排放联系将构成复杂的联动结构形态,如何科学揭示这种联动结构的特征?换言之,我们要探寻哪些行业在CO2排放联动结构中扮演主动或先行角色,而又有哪些行业处于被动或从属地位?更进一步地,如何利用这种复杂的联动结构构建跨行业协同减排机制并最终实现节能减排目标?上述问题的回答对于跨行业协同减排机制的构建具有重要理论意义和参考价值。
从近期的研究进展看,大量文献采用探索性空间数据分析从地区层面考察CO2排放的空间相关和空间集聚特征[4-7],少量文献考察了工业CO2排放的行业间差异、收敛特征及影响因素问题[8-13]。已有文献对行业CO2排放问题的研究具有一定的参考价值,然而却仍存在局限,一是采用探索性空间数据分析仅从区域层面刻画了CO2排放的空间相关和空间集聚特征,却没有考虑到行业间CO2排放的关联效应。二是已有对行业碳排放问题的研究,只是揭示了CO2排放的差异、收敛以及影响因素问题,而忽视了工业CO2排放的行业间传导关系。三是已有文献均基于CO2排放的“属性数据”(碳排放量)进行的经验考察,但并未从“关系数据”的角度揭示各行业之间的联动结构,而结构往往决定于属性数据的表现,更具分析价值。
在已有研究的基础上,本文基于时间序列分析方法,利用1991-2012年中国工业36个两位数行业的CO2排放强度数据,在向量自回归模型(Vector Auto Regression, VAR)框架下利用Granger因果检验方法对中国工业碳排放的行业间传导关系进行有效识别,并首次借助于社会网络分析方法(Social Network Analysis, SNA)揭示工业碳排放的行业间传导网络的整体和个体结构特征,在此基础上提出工业碳排放的跨行业协同减排思路。
刘华军等:中国工业CO2排放的行业间传导网络及协同减排中国人口·资源与环境2016年第4期1行业CO2排放的传导机制及其识别方法
1.1工业CO2排放的行业间传导机制
工业CO2排放的行业间传导是指不同行业的碳排放通过直接或间接的形式进行交流,并由此产生的行业间交互影响关系。工业各行业间存在着普遍的关联关系,这种关联关系包括前向联系和后向联系。其中,前向联系是指一个部门和吸收它产出的部门之间的联系,后向联系是指一个行业和向它提供投入要素的部门之间的联系。行业间关联关系的形成主要由上游向下游的供给型驱动机制、由下游向上游的需求型驱动机制而形成。此外,行业间在市场机制的作用下存在的竞争也是产生CO2排放行业间传导的重要因素。
(1)从上游向下游的供给驱动型机制。在工业产业链条中上游行业的能源需求变化不仅会影响该行业自身的能源消费和CO2排放,而且还通过上游对下游的后向联系影响下游行业的CO2排放。某一行业能源价格的变化,将直接影响产业链上游某一行业的生产成本,使该行业生产的产品的供求关系发生变化,进而影响产业链下游行业投入品的需求,从而对该行业能源消费水平产生影响,进而导致该行业CO2排放的变化,随着这种信息逐级向下游传递,最终会影响产业链内所有行业的CO2排放。此外,上游行业推广的某项节能技术会通过行业间的前后向联系对下游行业进行技术溢出,从而对下游行业的CO2排放量产生影响。例如,某一行业节能技术的引入,导致该行业能源消费水平下降、CO2排放减少,在攀比效应的作用下与该行业关联性强的下游行业为了降低成本,积极引入该节能技术导致该行业的能源消费水平降低、CO2排放减少。
(2)从下游到上游的需求驱动型机制。下游行业对能源需求量的扩大和缩小不仅会影响该行业的能源消费和CO2排放,而且会直接影响上游行业的能源消费和CO2排放。首先,下游行业为了维持其正常的生产经营活动,必然对上游行业生产的中间产品产生需求,而中间产品在生产的过程中对化石能源的消费将直接影响使用该中间产品的下游行业的CO2排放。因为下游行业对中间产品需求的扩大和缩小,会导致上游行业必须提供与其需求量相等的中间产品,这就倒逼着上游行业调整中间产品的生产规模以适应下游行业对于中间产品的需求,这种生产规模的扩大和缩小会直接影响该行业对能源的消费以及CO2排放数量。其次,当下游的能源价格发生变化时,必然会对上游投入品的成本产生影响,成本作为价格的组成部分,通过价格传导机制将碳排放信息传导至整个产业链,从而使工业各行业之间CO2排放存在普遍的关联关系。
(3)行业间竞争驱动机制。由于工业各行业之间存在着竞争,这种竞争不仅体现在生产成本上而且体现在节能技术上,如果某个行业通过生产技术和节能技术的革新率先降低了CO2排放量,从而降低了该行业的治污成本和生产成本,由于工业各行业间的这种竞争效应,使得其他产业纷纷效仿,从而降低了整个产业链的CO2排放量。因此,某个行业CO2排放的升高和降低总会对产业链中的其他行业的CO2排放量产生影响。
1.2工业CO2排放的行业间传导关系识别
现有研究中关系的识别主要采用引力模型[14-17]和VAR Granger因果检验方法[18-20]。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[21],该方法能够从时间序列角度揭示行业CO2排放之间的交互影响关系。但是,需要强调的是,Granger因果关系检验中的“因果”概念更多地是基于统计学而非基于传统哲学意义的,实际检验的是一个变量是否在时间上“领先”于另一个变量。Granger因果关系检验可以在向量自回归模型(VAR)框架下进行。考虑两个行业的CO2排放时间序列分别为{Xt}{Yt},为了检验两个行业之间CO2排放是否存在Granger因果关系,我们构造下面两个VAR模型:
在上述模型中,αj、βj、γj(j=1,2)为待估参数,{εj,t}(j=1,2)为残差项,满足{εj,t}~ N(0,1)。m、n、p、q为自回归项的滞后阶数。在VAR模型框架下,通过对自回归项系数的联合显著性检验进而对变量间的Granger因果关系进行检验。模型(1)用来检验序列{Yt}是否是序列{Xt}的Granger原因,即如果模型(1)中原假设H0:γ1,1=γ1,2=...=γ1,n=0被拒绝,则意味着序列{Yt}是序列{Xt}的Granger原因,在Granger意义上,此时{Yt}的历史信息有助于解释{Xt},即{Yt}“领先”于{Xt},传导关系可以表示为“{Yt}→{Xt}”。同理,模型(2)用来检验序列{Xt}是否是序列{Yt}的Granger原因,即如果模型(2)中虚拟假设H0:γ2,1=γ2,2=…=γ2,q=0被拒绝,则意味着序列{Xt}是序列{Yt}的Granger原因,在Granger意义上,此时{Xt}的历史值有助于解释{Yt},即{Xt} “领先”于{Yt},两个行业CO2排放的传导关系为“{Xt}→{Yt}”。若上述两个模型中的原假设均被拒绝,则表明序列{Xt}和序列{Yt}之间存在双向Granger因果关系,两个行业碳排放的传导可以表示为“{Xt}{Yt}”。最后需要指出,上述检验适用于平稳序列,本文以PP单位根检验方法对时间序列进行平稳性检验,结果显示36个行业的CO2强度序列均为I(1)序列,故对原始序列进行差分处理。出于稳健性的考虑,分别将1-6期作为滞后阶数对36个行业的碳排放进行Granger 因果检验,以5%作为显著性检验标准,若X和Y两个行业CO2排放之间的传导关系通过了显著性检验,则X是Y的Granger原因,在网络中画出X指向Y的箭头,表明X行业的CO2排放有助于解释Y行业的CO2排放,依此方法可以构建工业CO2排放的行业间传导网络。
1.3网络结构特征的刻画—社会网络分析方法
社会网络分析以“关系”作为基本分析单位,采用图论工具、代数模型技术描述关系模式并探究这些关系模式对结构中成员的影响,是一种针对“关系数据”的跨学科分析方法,其应用领域不断从社会学向经济学、管理学等领域拓展逐渐成为一种新的研究范式[22]。在社会网络分析中,通常采用网络密度、网络关联度、网络效率、网络等级度等指标刻画整体网络结构特征;采用度数中心度、中介中心度、接近中心度等指标刻画个体网络结构特征。
2样本数据与典型化事实
2.1样本数据
(1)样本选择。本文样本选取1991-2012年36个工业两位数行业(为了行文方便,我们对行业进行编号,括号内为行业编号)。分别是:①煤炭开采和洗选业、②石油和天然气开采业、③黑色金属矿采选业、④有色金属矿采选业、⑤非金属矿采选业、⑥农副食品加工业、⑦食品制造业、⑧饮料制造业、⑨烟草加工业、⑩纺织业、服装业、皮革毛皮羽毛制品业、木材加工业、家具制造业、造纸及纸制品业、印刷业、文教体育用品制造业、石油加工及炼焦业、化学原料及化学制品制造业、医药制造业、化学纤维制造业、橡胶制品业、塑料制品业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、金属制品业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、计算机、电子与通信设备制造业、仪器仪表及文化办公用机械制造业、电力热力的生产和供应业、燃气生产和供应业、水的生产和供应业。
(2)CO2排放的测算。工业是碳排放的主要部门,而化石能源的燃烧又是碳排放的主要来源。本文选择工业分行业中煤炭、原油、天然气三种一次化石能源消费的实物量来估算中国工业分行业的CO2排放量。根据联合国政府间气候变化专门委员会(International Panel on Climate Change,IPCC)提供的CO2排放量的测算方法,并依据有效CO2的排放系数和三大化石燃料的碳元素含量,按(3)式进行估算:
CO2=∑31i=1CO2i=∑31i=1Qi×NCVi×CEFi(3)
式(3)中CO2为二氧化碳排放量,i表示化石燃料,本文选取煤炭、原油、天然气三种一次化石能源,Q表示3种化石燃料的实物消耗量,NCV为平均低位发热量,CEF为有效碳排放系数。煤炭、原油和天然气的平均低位发热量分别为20 908 KJ/Kg、41 816 KJ/Kg、38 931 KJ/m3;煤炭、原油和天然气的有效碳排放系数分别为95 333 Kg/TJ、73 300 Kg/TJ和56 100 Kg/TJ。本文所采用的工业36个两位数行业的一次能源消费数据均来自于《中国能源统计年鉴》和《中国统计年鉴》。其中1991-1992年食品、饮料和烟草制造业主要涵盖了农副食品业、食品制造业、饮料业、烟草业四个中类,机械、电气、电子设备制造业则主要包括通用设备制造业、专用设备制造业和计算机、电子与通信设备制造业三个中类,本文根据1993年的构成比例将食品、饮料和烟草制造业、机械、电气、电子设备制造业所消费的煤炭、原油、天然气实物量拆分到各个分行业中。1991-1992年《中国统计年鉴》和《中国能源统计年鉴》均未报告交通运输设备制造业、电气机械及器材制造业、仪器仪表制造业一次能源消费状况,本文根据1993-1995年三类行业的两年平均增长率分别估算其各行业煤炭、原油、天然气的实物量。2012年橡胶和塑料制品业的能源消费量以2011年橡胶业和制造业的构成比例将其拆分。
(3)工业增加值。我们采用CO2排放强度指标来衡量各行业CO2排放情况,CO2排放强度等于行业碳排放总量除以行业工业增加值。各行业工业增加值,本文参考了陈诗一[12]的方法,测算了1990=100的36个工业两位数行业1991-2012年工业增加值,其中2009-2012年工业增加值数据是在陈诗一的基础上根据国家统计局公布的2009-2012年工业分行业的累计增长率推算得出。
2.2典型化事实
由于工业各行业CO2排放存在较大差别,本文以1991-2012年工业各行业CO2排放强度的均值为衡量标准来判断各行业的碳排放程度。表1根据CO2排放强度均值的大小对工业36个行业进行排序,将排名1-12的行业确定为轻度排放组,排名13-24的行业为中度排放组,排名24-36的为重度排放组,以考察三种排放类别的CO2排放差异。
根据图1,三类排放组的CO2排放强度均呈现出逐年下降的态势。从数值大小看,样本考察期内重度排放组行业的CO2排放强度远远高于中度排放组和轻度排放组,这说明工业各行业碳强度之间存在显著差异。从演变趋势看,重度排放组CO2排放强度在1991-1995年呈现出迅速上升的态势,并在1995年达到最大值,1995-2012年CO2排放强度呈现出逐年下降态势。样本考察期内轻度和中度排放组的CO2排放强度呈现出逐年下降趋势,但是下降的速度要小于重度排放组,这说明《新能源和可再生能源发展纲要》发布之后,我国高排放行业的节能减排取得了显著成效。从演变过程看,样本考察期内轻度、中度、重度排放组的CO2排放强度虽然在逐渐缩小,但是不同行业之间的CO2排放强度的差异却始终存在,这种差异增强了行业之间CO2排放的联系。
intensity烟草加工业10.4411通用设备制造业11.6201农副食品加工业13.855文教体育用品制造业10.5071水的生产和供应业11.6871有色金属冶炼及压延加工业15.467计算机、电子与通信设备制造业10.5231有色金属矿采选业11.8491电力热力生产和供应业15.574仪器仪表制造业10.5431专用设备制造业12.0611食品制造业16.993电气机械及器材制造业10.5831医药制造业12.7041石油加工及炼焦业19.420服装业10.6011化学纤维制造业12.7301造纸及纸制品业19.547印刷业10.7101黑色金属矿采选业12.9271黑色金属冶炼及压延加工业110.243家具制造业10.9031非金属矿采选业13.0731石油开采业113.579皮羽制品业11.0451纺织业13.2661化学原料及化学制品制造业114.183塑料制品业11.0831饮料制造业13.2781煤炭采选业115.742金属制品业11.1891木材加工业13.5061非金属矿物制品业123.167交通运输设备制造业11.3491橡胶制品业13.7631燃气生产和供应业127.283
3工业CO2排放的行业间传导网络结构特征
3.1行业间传导网络可视化
本文根据Granger因果检验识别了工业CO2排放的行业间传导关系并构建行业间联动网络。为了展示工业CO2排放的行业间联动网络的网络结构形态,我们利用UCINET6.0中可视化工具Netdraw绘制了工业CO2排放的行业间传导网络图,如图2所示。根据图2,工业CO2排放的行业间传导关系呈现出复杂的、多线程的联动网络结构形态。为了揭示联动网络结构的特征,我们采用社会网络分析方法(SNA)对工业CO2排放的行业间联动网络的特征进行分析。本文选择社会网络分析方法乃是出于以下三方面的考虑:一是SNA对于分析多节点的交互影响关系具有明显优势,本文所选择的36个两位数行业作为样本点符合SNA方法的要求。二是SNA具有强大的分析工具,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角色和位置。三是SNA是一种针对“关系数据”的分析方法,而Granger因果检验所得到的行业间的联动关系正是“关系数据”。
3.2行业间传导网络的时滞分析
本文在VAR模型框架下分别以1-6阶为滞后阶数对36个行业的CO2排放强度进行Granger因果检验,并根据Granger因果检验的结果构建不同滞后阶数下的行业间传导网络。图3描述了不同滞后阶数下网络密度的演变趋势。可以发现,滞后1-2阶网络密度呈上升态势,行业间CO2排放的联系逐渐加强。随着时滞的延长,网络密度则呈逐年下降趋势。滞后1-6阶中,网络密度最高的为0.141(滞后2阶),明显高于其他滞后期,这表明行业间CO2排放的溢出集中在1-2阶。在滞后2阶以后,行业间的关联关系逐渐减弱且在第5阶降到最低,网络密度仅图2工业CO2排放的行业间传导网络
为0.045。网络密度大幅度的提高和小幅度的回升分别发生在滞后1-2阶和滞后5-6阶,分别上升了36.1%和10.6%。在滞后2-5阶时经过一次大幅度的下降,网络密度下降了67.8%,说明在该滞后期内行业间CO2排放的关联关系大幅减少,且行业间的传导关系衰减较快,下面以滞后2期为例说明传导网络的结构特征。
3.3整体网络特征分析
(1)网络密度。36个行业构成了工业CO2排放行业间传导网络的网络节点,36个行业之间最大可能的关系数为1260个,经过Granger因果检验确定实际存在的关系数为177个,网络密度为0.141。与其他滞后期相比,尽管在2阶滞后的情况下行业CO2排放之间的传导关系最多,但是从具体数值上来看各行业CO2排放之间的紧密程度并不是很高,这为行业间协同减排提供了重要机遇,因为较低的网络密度意味着网络有较少的冗余连线,这就提高了行业间节能减排的效率,节约了节能减排的交易费用和交易成本。所以维持合适的网络密度对跨行业节能机制的建立是必要的也是可行的。
(2)网络关联性。中国工业CO2排放的行业间传导网络的网络关联度为1,说明工业CO2排放行业间传导网络的关联程度很高,各行业之间CO2排放的联系非常密切,网络的通达性较好。网络效率为0.782,意味着工业CO2排放的行业间传导网络存在着多重叠加现象,网络中现有的网络关联关系足以维持行业间传导网络的稳定性。网络等级度为0.256,说明工业CO2排放的行业间溢出关系存在“等级森严”的结构,CO2排放在不同排放类型的行业之间均存在溢出的可能。
3.4个体网络特征分析
(1)度数中心度。根据表2,度数中心度排名前五位的行业从高到低依次是电力热力生产和供应业、燃气生产和供应业、木材加工业、造纸及纸制品业、服装业,这些行业在工业CO2排放的行业间传导网络中与其他行业的关系数较多,其中电力热力生产和供应业的度数中心度最高达54.286,原因在于电力热力生产和供应业与其他行业具有较强的前后向联系,在行业关联网络中处于中心地位。度数中心度排名后5位行业的分别是烟草加工业、交通运输设备制造业、有色金属矿采选业、家具制造业、仪器仪表制造业,这些行业在工业CO2排放的行业间传导网络中关系数较少,原因可能是这些行业自身的CO2排放强度较小,从而使这些行业对其他行业的影响较弱,此外,36个行业点出度的均值为4.916,点出度大于均值的包括通用设备制造业、专用设备制造业、燃气生产和供应业等16个行业,这些行业对其他行业有较多的CO2排放溢出。点入度的均值为4.916,电力热力生产和供应业、燃气生产和供应业、造纸及纸制品业等15个行业的点入度不仅高于点入度的平均值,而且还高于该行业自身的点出度,这说明这些行业受其他行业CO2排放强度的溢出较多。
(3)接近中心度。根据表2,各行业接近中心度的均值为54.179,高于这一均值的有20个行业,从高到低依次是电力热力生产和供应业、燃气生产和供应业、服装业、造纸及纸制品业、木材加工业、计算机·电子与通信设备制造业、食品制造业、橡胶制品业、医药制造业、农副食品加工业、纺织业、文教体育用品制造业、石油加工及炼焦业、化学原料及化学制品制造业、通用设备制造业、煤炭采选业、有色金属冶炼及压延加工业、专用设备制造业、电气机械及器材制造业、饮料制造业。较高的接近中心度意味着这些行业在工业CO2排放的行业间传导网络中能够快速的通过产业间的前后向联系与其他行业产生关联。
(4)块模型分析。本文通过块模型分析揭示36个行业在工业CO2排放行业间传导网络中的聚类特征。采用CONCOR方法,选择最大分割深度为2,集中标准为0.2,将36个行业划分为四个板块,划分结果如表3所示。其中,属于第I板块的成员有10个,分别是煤炭采选业、仪器仪表制造业、黑色金属矿采选业、有色金属矿采选业、水的生产和供应业、纺织业、印刷业、有色金属冶炼及压延加工业、橡胶制品业、交通运输设备制造业,这些行业主要属于中度排放组。属于第II板块的成员有9个,分别是医药制造业、石油和天然气开采业、饮料制造业、木材加工业、
下面进一步通过块模型分析揭示四个板块在CO2排放行业间传导网络中的位置及板块之间的溢出关系(表3)。Granger因果检验的结果显示在CO2排放的行业间传导网络中存在177个关联关系,而各板块内部之的关联关系仅有21个,板块之间的关联关系有156个,说明板块之间CO2排放的传导存在着明显的溢出特征。其中,第I板块的溢出关系有27个,板块内部的关系有1个,接受其他板块溢出的关系有46个;期望内部比例为26%,实际的内部关系比例为4%,因此第I板块为“经纪人”板块,该板块既对其他板块发送关系,也接受来自外部成员的联系,但是内部成员之间的联系比较少,在工业CO2排放的行业间传导网络中扮演着“中介”与“桥梁”作用。第II板块的溢出关系有26个,板块内部的关系有11个,接受其他板块溢出的关系有68个;期望内部比例为23%,实际的内部关系比例为42%,因此第II板块为“净受益”板块。第III板块的溢出关系有75个,板块内部的关系有5个,接受其他板块溢出的关系有17个;期望内部比例为29%,实际的内部关系比例为7%,因此第III板块为“双向溢出板块”。
第IV板块的溢出关系有49个,板块内部的关系有4个,接受其他板块溢出的关系有25个;期望内部比例为14%,实际的内部关系比例为8%,因此第IV板块为“净溢出”板块。
根据CO2排放传导关系在板块之间的分布,可以计算各个板块的网络密度矩阵,以反映CO2排放传导关系在各板块间的分布情况。工业CO2排放行业间传导网络的整体网络密度为0.140,如果板块的网络密度高于0.140即板块内部的网络密度大于传导网络的整体网络密度,表明CO2排放更加集中于该板块中的行业。我们通过将板块网络密度大于整体网络密度的情形赋值为1,板块网络密度小于整体网络密度的情形赋值为0,可以将密度矩阵转化为像矩阵,像矩阵可以十分清晰的显示出各板块的传导效应,密度矩阵和像矩阵具体如表4所示。
图4比较直观的展示了四大板块CO2排放的传导关系,第I板块既接收来自第III板块和第IV板块的溢出,又向第II板块和第IV板块发出CO2排放的溢出关系,这说明属于中度排放组的行业在工业CO2排放的行业间传导网络中扮演者“经纪人”角色,控制着轻度排放组行业和重度排放组行业的能力较强。第II板块不仅自身内部存在碳排放的传导关系,而且还接收着来自第I板块、第III板块、第IV板块的溢出,这说明重度排放组行业不仅自身的CO2排放量较大,而且还主要受到其他板块行业CO2排放溢出的影响,在CO2排放的行业间传导网络中扮演着“净受益”角色。第III板块对第I板块和第II板块存在着CO2排放溢出,这说明轻度污染组的行业,受到来自中度、重度排放组行业的CO2排放溢出。此外,第IV板块对第I板块、第II板块和第III板块都存在CO2排放的溢出关系,而仅接收来自第I板块的溢出,这说明在CO2排放的行业间传导网络中板块IV中的行业在生产中对化石燃料的需求量较大,扮演着“净溢出”角色。
4结论与政策建议
4.1研究结论
本文基于1991-2012年中国工业36个两位数行业的CO2排放强度数据,运用Granger因果检验方法对工业CO2排放的行业间传导关系进行识别,在此基础上,运用社会网络分析方法实证考察了工业CO2排放的行业间传导网络的网络结构特征。主要的研究结论如下:从整体网络特征看,工业CO2排放的行业间传导呈网络结构形态,行业间CO2排放的联系非常密切,网络的通达性较好,CO2排放的溢出效应十分明显;网络效率为0.782,意味着CO2排放的行业间传导网络存在着多重叠加现象,网络具有较强的稳定性。CO2排放的行业间溢出关系存在“等级森严”的结构,不同排放类型的行业之间均存在CO2排放溢出的可能。从个体网络特征看,燃气生产和供应业、电力热力生产和供应业、服装业、造纸及纸制品业、木材加工业具有较高的度数中心度、中介中心度、接近中心度,这些行业在网络中处于核心位置,并发挥着桥梁和中介作用。从块模型分析看,煤炭采选业、黑色金属矿采选业、有色金属矿采选业等10个行业属于经纪人板块,医药制造业、饮料制造业、化学纤维制造业等9个行业属于净受益板块,金属制品业、塑料制品业、农副食品加工业等11个行业属于双向溢出板块,石油加工及炼焦业和燃气生产和供应业等6个行业属于净溢出板块。
4.2政策建议
(1)充分认识工业CO2排放的行业间传导关系及其联动网络结构,创新节能减排思路,实现节能政策的有效转向。由于各行业在产业链中存在前后向联系,一个行业的CO2排放不仅受到该行业自身能源消费水平的影响,而且还受到产业链上下游行业的影响,各行业的CO2排放逐步呈现出复杂的联动网络结构形态。因此,要充分发挥市场机制在资源配置中的决定性作用,同时要发挥政府宏观调控的作用,为跨行业协同减排创造有利条件。从属性数据的角度看,CO2排放的行业间传导网络中,CO2排放强度最高的5个行业依次是煤炭采选业、化学原料及化学制品制造业、燃气生产和供应业、石油开采业、非金属矿物制品业,节能减排的过程中这些行业无疑是减排的重点行业,而从关系的视角看,关联关系总数较多的5个行业依次是燃气生产和供应业、电力热力的生产和供应业、服装业、造纸及纸制品业、纺织业。为了顺利完成工业节能减排的任务,行业协同减排政策的制定和实施过程中既要考虑属性数据的表现,也要更加注重行业间的传导效应,逐步形成“量-关系”双轮驱动型的减排思路,推动节能减排政策从单个行业扩展到多个行业,从局部扩展到全局。
(2)充分发挥个体网络结构对跨行业协同减排机制的积极作用。对于度数中心度较大的电力热力生产和供应业、燃气生产和供应业、木材加工业、造纸及纸制品业、服装业,在跨行业节能减排过程中要对这些行业进行定向调控和精准调控,既要降低这些行业自身的CO2排放强度,又要通过产业链的前后向联系降低与之关联行业的CO2排放。中介中心度较高的燃气生产和供应业、电力热力生产和供应业、服装业、造纸及纸制品业、木材加工业,节能减排的过程中要利用这些行业的中介和桥梁作用,通过CO2排放的行业间传导网络将先进的减排技术扩散到网络中其他行业。接近中心度较高的电力热力生产和供应业、燃气生产和供应业、服装业、造纸及纸制品业、木材加工业等行业能够快速的与其他行业产生内在的链接,在网络中发挥中心行动者的作用,节能减排过程中要提高处于网络核心位置行业的影响力,将减排信息扩散至其他边缘行业,最终实现跨行业的协同减排。
(3)有效利用行业间联动网络的板块结构特征,发挥板块结构特征对行业节能减排的重要作用。行业间节能政策的制定不能采取一刀切,要充分发挥CO2排放在各板块的联动效应,针对各行业CO2排放的差异制定具有差异化的行业分类管理政策,以节约减排成本,提高减排的效率。煤炭采选业、黑色金属矿采选业、有色金属矿采选业等10个行业属于“经纪人板块”,要发挥这些行业的“中介人”作用,提高网络的连通效果。医药制造业、饮料制造业、化学纤维制造业等行业属于“净受益板块”,要对与该板块产生关系的其他上下游行业重点加以控制。金属制品业、塑料制品业、农副食品加工业等行业属于“双向溢出板块”,因此既要对这些行业进行定向治理,着重削减该板块行业的CO2排放量,还要依托产业链的前后向联系,从关系的视角综合治理。烟草加工业、石油加工及炼焦业、燃气生产和供应业等行业属于“净溢出板块”该板块行业是碳排放的源头,因此,对于该板块行业要制定更为严格的减排措施。
(编辑:尹建中)
参考文献(References)
[1]Javorcik B S. Does Foreign Direct Investment Increase the Productivity of Domestic Firms? In Search of Spillovers Through Backward Linkages [J]. American Economic Review, 2004,94(3): 605-627.
[2]Hale G, Long C. Are there Productivity Spillovers from Foreign Direct Investment in China? [J]. Pacific Economic Review, 2011, 16(2): 135-153.
[3]Wang Y. Exposure to FDI and New Plant Survival: Evidence in Canada [J].Canadian Journal of Economics/Revue Canadienne Déconomique, 2013, 46(1): 46-77.
[4]付云鹏,马树才,宋琪.中国区域碳排放强度的空间计量分析 [J].统计研究,2015,(6):67-73.[Fu Yunpeng,Ma Shucai,Song Qi. Spatial Econometric Analysis of Regional Carbon Intensity [J]. Statistical Research,2015,(6):67-73]
[5]宋德勇,刘习平.中国省际碳排放空间分配研究 [J]. 中国人口·资源与环境,2013,(5):7-13.[Song Deyong,Liu Xiping. Spatial Distribution of Provincial Carbon Emissions [J]. China Population, Resources and Environment,2013,(5):7-13.]
[6]Padilla E, Duro J A. Explanatory Factors of CO2 Per Capita Emission Inequality in the European Union [J]. Energy Policy, 2013, 62: 1320-1328.
[7]Grunewald N, Jakob M, Mouratiadou I. Decomposing Inequality in CO2 Emissions: The Role of Primary Energy Carriers and Economic Sectors [J]. Ecological Economics, 2014, 100: 183-194.
[8]Aldy JE. Per Capita Carbon Dioxide Emission: Convergence or Divergence? [J].Environmental and Resource Economics,2006,33(4):533-555.
[9]Barassi M R, Cole M A. The Stochastic Convergence of CO2 Emissions: A Long Memory Approach [J]. Environmental and Resource Economics,2011,49(3):367-385.
[10]李国志,李宗植. 中国二氧化碳排放的区域差异和影响因素研究 [J]. 中国人口·资源与环境,2010,(5):22-27. [Li Guozhi,Li Zongzhi. Regional Difference and Influence Factors of Chinas Carbon Dioxide Emissions [J]. China Population, Resources and Environment,2010,(5):22-27.]
[11]陈诗一. 中国工业分行业统计数据估算:1980-2008 [J].经济学(季刊),2011,(4):735-776. [Chen Shiyi. Reconstruction of Subindustrial Statistical Data in China (1980-2008) [J]. China Economic Quarterly,2011,(4):735-776.]
[12]Perkins D. Reforming Chinas Economic System [J].Journal of Economic Literature, 1988, 26(2):601-645.
[13]Rawski T. What Is Happening to Chinas GDP Statistics? [J].China Economics Review, 2001, 12(4): 347-354.
[14]冷炳荣,杨永春. 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. [Leng Bingrong,Yang Yongchun. Spatial Characteristics and Complex Analysis a Perspective from Basic Activities of Urban Networks in China [J]. Acta Geographica Sinica,2011,(2):199-211.]
[15]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.[Tang Fanghua, Tang Hui, Sun Qian, et al. Analysis of the Economic Network Structure of Urban Agglomerations in Middle Yangtze River [J]. Acta Geographica Sinica ,2013,(10):1357-1366.]
[16]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.[Liu Huajun, Liu Chuanming, Sun Yanan. Spatial Correlation Networks Structure of Energy Consumption and Its Effect in China[J]. China Industrial Economics, 2015,(5):83-95.]
[17]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.[Liu Huajun, Liu Chuanming, Yang Qian. Spatial Spillover of Environmental Pollution and Its Source[J]. Economist,2015,(10):28-35.]
[18]李敬,陈澍,万广华. 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. [Li Jing, Chen Shu, Wan Guanghua. Study on the Spatial Correlation and Explanation of Regional Economic Growth in China [J].Economic Research Journal, 2014, (11): 4-16.]
[19]刘华军,张耀,孙亚男.中国区域发展的空间网络结构及其时滞变化—基于DLI指数的分析[J].中国人口科学,2015,(4):60-71.[Liu Huajun, Zhang Yao, Sun Yanan. The Spatial Network Structure of Chinas Regional Development and its Transmission Lags Based on Development and Life Index (DLI) [J]. Chinese Journal of Population Science, 2015,(4):60-71.]
[20]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.[Liu Huajun, Zhang Yao, Sun Yanan. The Spatial Network Structure of Chinas Regional Development and Its Determinants[J]. Economic Review, 2015,(5):59-69.]
[21]Granger C W J. Testing for Causality: A Personal Viewpoint [J]. Journal of Economic Dynamics and Control, 1980, (2):329-352.
[22]Scott J. Social Network Analysis [M]. London: Sage Publication, 2013.