一带一路国家物流碳排放空间关联研究

陈晶晶，刘利民 （浙江万里学院，浙江 宁波 315100）

CHEN Jingjing, LIU Limin (Zhejiang Wanli University, Ningbo 315100, China)

中国作为“一带一路”战略的倡议者，一直秉持着合作共赢的战略与沿线各国积极展开经济合作和贸易往来。在战略实施过程当中，一带一路国家的物流业也得到了迅猛发展。在各国物流业及交通运输业得到快速发展的同时，环境污染问题也愈来愈受到人们的关注。据国际能源署报告显示，全球2018 年的碳排放量创下历史新高，中国的碳排放总量达100 亿吨，占到全球碳排放量的27%，并且全球2019 年的碳排放总量仍在持续上升。中国作为世界碳排放量最大的国家，在面对环境保护问题时更是具有义不容辞的责任。中国在党第十九次全国代表大会上提出的构建人类命运共同体理念中就涉及到要共同努力构建一个清洁美丽的世界。因此，本文对中国与一带一路沿线国家的物流碳排放进行研究具有一定的现实意义。

1 文献综述

当前，国内外很多学者已对碳排放的相关问题展开了研究。Zofio J L（2001） 等[1]、Lenzen（2002）[2]、Mukhopadhyay（2006）[3]、闫桂权（2019） 等[4]、张秀梅（2010） 等[5]分别对OECD 国家、澳大利亚、印度、中国和中国江苏展开了关于行业碳排放和国际贸易碳排放等方面的研究。在对碳排放的分析方法上，周新（2010）[6]、臧新（2019） 等[7]、商伟（2019）[8]、Xingping Zhang（2019）[9]、张德钢（2017） 等[10]分别运用多区域投入产出模型、基于IPCC 采用自上而下的计算方法和数据包络分析方法、Laspeyres 指数分解算法和LMDI 分解算法、面板协整技术和社会网络分析的方法进行了深入分析。在这些分析方法当中，Mark S Granovetter（1973）[11]、Linton C Freeman （1979）[12]、刘军 （2004） 等[13]在社会网络分析方法上的研究为国内学者应用社会网络分析方法在碳排放的空间关联方面做出进一步的研究奠定了深厚的理论基础。其中刘华军（2015） 等[14]、赵巧芝（2017）等[15]，焦建玲（2018） 等[16]利用社会网络分析方法对中国和中国省际间的碳排放从整体和个体网络结构特征等方面所做的研究具有一定的代表性。基于此本文应用社会网络分析方法对一带一路国家物流碳排放的空间关联关系进行分析，并希望所做的研究结果能够为碳减排提供一定的依据。

2 研究方法与数据来源

2.1 空间关联网络构建

在构建一带一路国家物流碳排放空间关联网络时，将各个国家看作网络当中的“点”，将各国之间在碳排放上的相互关联看做网络当中的“边”。由于一带一路各国经济发展、人口密度和空间分布等的复杂性，文章基于典型的引力模型并对其相关指标进行修改，构建出各国物流碳排放空间网络关联的引力矩阵。

式中：Pi,Gi,Ci,Pj,Gj,Cj分别对应与国家i和国家j的人口数量、GDP 和碳排放量；ri，rj表示国家i和国家j的人均GDP；dij表示国家i和国家j首都之间的球面距离。根据公式可以得到（30×30） 的引力矩阵，在此基础之上，将所得引力矩阵当中的每一行数值取均值作为临界值并与其做比较，大于临界值则记为“1”，表示该行国家的碳排放与该列国家的碳排放具有关联关系，否则记为“0”，表示不具有关联关系，由此最终得到（30×30） 的关联矩阵，从而更好地反映出各国之间碳排放空间关联的特征。

2.2 碳排放空间关联网络特征刻画指标

2.2.1 整体网络特征

各个国家的碳排放整体网络特征通过整体网络密度刻画，它可以用来描述碳排放整体网络中各个节点之间关联的紧密程度。网络密度的表达式为：其中L表示整个碳排放网络当中碳排放实际关联数，n为网络当中的节点数。

2.2.2 个体网络特征

在用社会网络分析方法进行中心性描述时，通常用中心度和中心势进行测量。在这里衡量的是各个国家在整个网络当中距离中心地位的程度，因此选择标准化中心度来对各个国家的网络特征进行描述。标准化中心度包括点度中心性、中间中心性和接近中心性。点度中心性的公式为：CAD（i ）/（n- 1 ），其中CADi=i度数，用来衡量网络节点对整体网络的影响性。中间中心性表示的是对与它不相邻节点的控制能力，计算公式为：接近中心性则表示节点之间的信息传递能力，在碳排放过程中，接近中心性越高的节点受到其它节点的控制力越低，其中心性就越高，用公式计算。

2.2.3 块模型

块模型最早是由White 和Breiger（1976） 提出并用来研究整体网络位置的方法，各个位置上的节点具有结构对等性，但它并不是用来表示网络当中个体的位置分布，而是对网络的总体结构进行研究[17]。

2.3 数据来源与说明

本文在“一带一路”背景下基于OECD-STAN 数据库中所包含的一带一路国家展开研究，数据库中包含了65 个国家，在此研究背景下涉及的国家有30 个，因此本文针对这30 个“一带一路”国家展开研究。国内外学者关于“隐含碳排放”的研究已相对成熟[18-20]，其中国外学者Peters 对“Embodied Carbon”的定义是为了得到某种产品而在整个生产过程中排放的CO2[21]。文中对一带一路国家物流碳排放空间关联进行研究时，用各国进行国际贸易过程中在运输板块所释放的隐含碳排放量来替代各国在物流运输过程中汽车等交通运输工具所产生的这部分碳排放量。文中数据来源于OECD-STAN 数据库、CEPII 数据库和联合国数据库，全文通过UCINET 6 软件进行分析。

3 一带一路国家物流碳排放空间网络关联实证分析

3.1 整体网络特征分析

根据修正过的引力模型得到的关联矩阵将2015 年30 个国家的碳排放关联关系通过NetDraw 绘制出空间网络图，如图1 所示。从图1 中可以看到各个网络节点之间存在明显的网络结构，还可以清楚的看出空间网络关联数较多的国家有马来西亚、土耳其、俄罗斯、中国、南非、菲律宾、印尼、印度和韩国，存在着明显的“空间—边缘”关系。

从图2 中可以看到2008～2015 年间空间整体网络的网络关联数和网络密度的变化趋势。整体空间网络关联数和网络密度在2008～2010 和2010～2012 年间都呈现出先下降后上升的趋势，呈“V”形。在2011～2015 年间网络关联数和网络密度呈现出不断上升的趋势，网络关联数从2011 年的118 个上升到2015 年的139 个，网络密度也由2011 年的0.135 上升到2015 年的0.159，这在一定程度上得益于中国对外开放的政策和“一带一路”战略的提出和逐步实施，使中国与一带一路国家和周边各国经济贸易合作联系更加密切，物流业水平也得到缓步提升，网络关联数和网络密度的波动变化也显现出了整体网络的稳定性。

图1 2015 年一带一路国家碳排放空间网络图

图2 整体网络的网络关联和网络密度

3.2 个体网络分析

由点度中心度、接近中心度和中间中心度的公式计算出各个国家的点度中心度、接近中心度和中间中心度的值并将2015年一带一路国家的碳排放中心性分析数据汇总得到表1。

表1 2015 年一带一路国家碳排放中心性分析数据

从表1 中可以看到，点度中心度排名前五的国家是新加坡、中国、波兰、斯洛伐克和南非，说明这些国家处于整个网络当中的中心地位并且与其它国家的联系较为紧密，这些国家的经济相对比较发达，制造业规模相对较大，因此在与各国加强经济合作过程当中，物流业发展规模也相对较大，它们对整体网络的控制能力也越强。点入度排名前五的国家为中国、南非、马来西亚、菲律宾和泰国，点出度排名前五的国家为新加坡、斯洛伐克、拉脱维亚、波兰和匈牙利。通过比较点度中心度和点入点出度的数据得出结论：点度中心度较低的国家在碳排放过程中往往输出到点度中心度较高的国家。新加坡、中国、韩国、斯洛伐克和菲律宾的接近中心度和中间中心度都位于前六名当中，说明了这5 个国家在物流碳排放过程当中能够与网络当中的其它节点之间快速的建立起网络关联，在地理位置上，新加坡、韩国、菲律宾和中国临近或隔海相望可以将周边国家联系起来，斯洛伐克作为中欧的内陆国家可以将中东欧国家的经济发展和物流合作紧密联系起来，与此同时，这5 个国家受到网络中其它节点的控制越弱，对于其它节点的控制能力越强。

3.3 块模型分析

块模型分析通常有CONCOR 方法和层次聚类分析方法。这里运用CONCOR 方法进行分区。当一个区当中只有3 个或更少的行动者时，分区的效果就不好，在实际划分当中最好有3 个以上的行动者，因此在这里将最大分割密度设置为2，收敛标准为0.2，将整个网络节点划分为4 个板块[22]。

运用CONCOR 方法将30 个国家分成了4 个板块并得到各个板块的密度矩阵，当对板块中的任一国家进行分析时，处于同一板块的国家也具有相同的特点，板块成员国之间具有结构对等性。通过NetDraw 绘制出的树形图可以直观的看到板块Ⅰ的成员有：保加利亚、印度、斯洛伐克、匈牙利、波兰、克罗地亚、新加坡、拉脱维亚、俄罗斯、土耳其、立陶宛和罗马尼亚13个国家；板块Ⅱ的成员有：捷克、斯洛文尼亚、摩洛哥、以色列4 个国家；板块Ⅲ的成员有文莱、新西兰、沙特阿拉伯、爱沙尼亚和韩国5 个国家；板块Ⅳ的成员有柬埔寨、印尼、马来西亚、菲律宾、哈萨克斯坦、泰国、中国、越南和南非9 个国家。将密度矩阵中各板块的密度与整体网络密度的平均值0.1598 做比较，大于平均值的赋值为1，否则为0，由此得出各板块的影像矩阵，如表2 所示，由此可以绘制出它们之间的聚类图和社群图，如图3、图4 所示。

表2 各板块密度矩阵和影像矩阵

图3 2015 年板块聚类图

图4 2015 年各板块社群图

从社群图当中可以看到板块Ⅳ处于首数位置，板块成员的整体密度比较大，成员内部联系比较紧密，反映出板块内的国家经济交流和物流合作联系比较紧密。板块Ⅰ和板块Ⅲ处于经纪人位置，在网络当中起着连接和运输的作用，但是板块Ⅰ较板块Ⅲ而言，它的接收关系较多，在网络当中也就发挥着较强的连接作用，说明板块I 内的国家在加强一带一路国家间进行物流合作时发挥出较强的中介作用。板块Ⅱ处于孤立者的位置，它只进行小团体之间的联系，与其它板块之间的联系较少，板块II 的国家国土规模较小，石油或矿产比较贫乏，旅游业或技术产业有的国家发展相对较好，但是在与一带一路国家物流经济往来过程中不密切。

4 研究结论

通过对整体物流碳排放的研究得到如下结论：（1） 一带一路沿线国家在物流碳排放方面呈现出明显的网络结构，其中空间网络关联数较多的国家有马来西亚、土耳其、俄罗斯、中国、南非、菲律宾、印尼、印度和韩国，它们之间存在着明显的“空间—边缘”关系。（2） 网络关联数和整体网络密度在2008～2011 年间呈现出先下降后上升再下降的趋势，在2008～2009 年间碳排放整体网络密度的下降在一定程度还是源于2008 年爆发的经济危机使得各国经济萎缩，物流碳排放量降低。后面随着经济的复苏，各国之间贸易往来频繁起来，在2011～2018 年间网络关联数和网络密度得到稳步上升，显现出整体网络的稳定性。（3） 点度中心度排名前五的国家是新加坡、中国、波兰、斯洛伐克和南非，为一些经济相对比较发达的国家，并且它们的点入度大于点出度，主要为输入国。排名靠后的5 个国家为沙特阿拉伯、以色列、柬埔寨、爱沙尼亚和斯洛文尼亚，点出度大于点入度，主要为输出国，经济规模较小。通过相关数据最后发现点度中心度较低的国家在碳排放过程中往往输出到点度中心度较高的国家，说明在物流碳排放过程当中，主要是能源分布相对密集的国家将碳排放转移到相对发达的国家。接近中心度和中间中心度排名前六位的国家中都包括了新加坡、中国、韩国、斯洛伐克和菲律宾，它们分布在网络的中心和周围在网络的连接上起着连接和输送作用。（4） 将30 个国家进行分块得到相应的块，这些国家在对应的块中都处于相应的位置上（首数位置、经纪人位置和孤立者位置）。处于首数位置的中国、南非、马来西亚等国家在碳减排工作当中起着关键性作用，必须要制定严格的碳减排政策，处于经纪人位置的斯洛伐克、俄罗斯、新加坡、土耳其、新西兰、韩国等国家需要发挥出连接作用，将各国密切联系起来，处于孤立者位置的捷克、斯洛文尼亚、摩洛哥和以色列等国家要在一带一路战略的带领下与其它各国加强经济合作，密切交流，提升经济实力。

以上研究表明在对碳排放进行控制时，需要先对整体碳排放网络进行把控，综合考虑各个国家的空间分布、经济发展和人口密度等因素对碳排放的影响，并在此基础上有针对性的对不同地区的国家做出进一步的规范化管理。在碳排放控制过程中关键的还是要控制碳排放的输出，因此需要注意碳排放的公平性，避免对不发达和偏远地区的国家造成更大的污染。在习近平一带一路倡议的持续推进下，各国经济发展呈现出持续向好的态势，同样在此背景下需要在碳排放减排方面树立起协同治理、联动治理的观念，只有各国都树立有“绿水青山就是金山银山”的理念，才能够更加高效地构建出一个环境美好的世界。