中国省际碳排放转移的福利溢出效应

董碧滢，徐盈之

（东南大学经济管理学院，江苏 南京211100）

随着贸易全球化的不断深入，全球产业结构得到不断调整，国家之间的产业转移变得频繁，伴随而来的还有碳排放转移（以下简称“碳转移”）。发达国家倾向于将技术含量较低、碳排放较高的产业转移到发展中国家以优化自身的产业结构，这种现象的结果是导致“碳泄漏”［1］，使发展中国家成为发达国家的“污染避难所”［2］。作为最大的发展中国家和碳排放国，中国在全球碳减排进程中扮演相当重要的角色。在第七十五届联合国大会上，中国宣布将采取更有力的政策措施，力争于2030年前达到碳排放峰值，于2060年前实现碳中和，正式向世界递交中国减排时间表［3］。然而，由于中国区域间经济发展不平衡，各地区在碳排放的责任分担上一直存在分歧，碳转移和“碳泄漏”的程度也不尽相同。同时，人们长期以来在认识上将“地区发展”简单地等同于“地区生产总值的增长”，导致粗放型经济增长方式并没有从根本上转变，造成了经济增长与居民福利改善不一致，经济与社会、人与自然之间发展不协调，以及收入分配差距不断扩大等问题。新时代经济高质量发展应从单纯地追求总量扩展，转变为适应人们更高标准的、更加多样化的需求。因此，在考察碳排放转移对经济社会影响的同时，还应将劳动力、知识、土地、居民生活等方面纳入考量，以此满足高质量发展的现实需求，实现又好又快发展。

1 文献综述

目前学界对碳转移的研究主要集中在排放核算、责任划分及其影响因素等方面。Steen-Olsen等［4］基于2004年全球多区域投入产出表，较早地考察了欧盟成员国的碳足迹。进一步研究表明，发达的工业化国家由于受减排承诺的约束，可能将高排放高污染的产业转移到发展中国家，从而造成“碳泄漏”现象［5-6］，且在最终需求视角下，碳转移去向主要是以中国为首的发展中国家［7］。He等［8］基于全球多区域投入产出数据库，对比1995—2015年中国、欧盟和美国的贸易隐含碳排放发现，各经济体的中间投入引致的碳排放均大于最终消费引致的碳排放。Wang等［9］测算全球生产网络下140个国家或地区的碳转移，并对中国不同行业碳排放的驱动因素进行结构分解，得出排放强度是促进机械和电子设备以及化工、橡胶和塑料制品行业减排的主要因素，出口规模对重工业和纺织服装行业碳排放具有促进作用，以及出口结构对电子设备、煤炭、纺织和服装行业具有抑制作用。

国内方面，Liu［10］等应用1997—2007年MRIO表测得中国地区供需链中由最终消费和出口驱动的碳排放量均大幅增加。王安静等［11］基于2012年MRIO表测算了中国30个省份的生产者责任和消费者责任碳排放，并证实在中国内部存在由东部发达地区向西部欠发达地区的碳转移。在此基础上，王育宝等［12-13］补充强调了行业部门间的商品流动和碳转移权责分配在区域碳转移中的重要作用，Wang等［14］利用GWR模型考察了碳转移的影响因素，廖双红等［15］基于产业转移视角考察了13个污染企业碳转移，得出污染行业间碳转移差异较大，且中部地区在区域碳转移中起到区位中转站作用。进一步地，部分学者采用引力模型［16］、社会网络分析［17］、STIRPAT模型［16，18］和对数均值Divisia指数分解［19］等方法将碳转移研究拓展到动态趋势、空间分布及驱动因素等方面。此外，还有少部分学者对碳转移的经济效应进行估计，探究对社会经济的异质性影响［20］。

综合来看，国内外现有关于碳排放转移的研究在测算方法和视角上形成了一套较为完整的分析体系。但鉴于投入产出表的时效性和可获得性，现有研究大多采用2015年之前的数据进行核算，未能及时反映近年来国内贸易下的碳转移特征。此外，多数学者将研究重点关注在其驱动因素上，而忽略了碳转移对经济社会的影响，尤其是在现阶段高质量发展背景下，碳转移的经济效应应该被赋予更多内涵。鉴于此，文章对中国省际碳转移进行深入探究，主要边际贡献在于：第一，基于最新的多区域投入产出表，对中国省域碳排放、排放责任及排放结构进行测算和讨论。第二，分别从省域和区域两个视角对碳转移的流向及空间分布特征进行讨论，并对不同转移特征的地区给予针对性对策建议。第三，引入多维度的地区发展与民生指数作为社会福利的代理变量，衡量碳转移的福利溢出效应，弥补单一经济指标不能完整反映经济高质量发展内涵的缺陷。

2 研究设计

2.1 多区域投入产出模型

多区域投入产出模型是建立在各地区投入产出表基础上［21］，根据区域间投入产出数据将商品和服务的流入、流出内生化，并按照相同的部门分类整合而成［11］。借鉴廖明球［22］划分的地区间投入产出表的基本结构，可将多区域投入产出模型表示为：

其中：xrsij为r地区i部门为s地区j部门所提供的中间产品，Yrsi为r地区i部门为s地区所提供的最终产品，EXri为r地区i部门的出口总额，Xri为r地区i部门的总产出。矩阵形式为：

式（2）中：Xr为r地区各部门产品的总产出的列向量，分块矩阵Ars为r地区为s地区提供中间产品的直接消耗系数矩阵，Yrs为r地区为s地区提供最终产品的列向量，EXr为r地区出口总额的列向量。进一步地，总产出Xr可表示为：

式（3）中：Lrr=(I-Arr)-1为列昂惕夫逆矩阵，分别为r地区为s地区提供中间产品和最终产品需要的产出，LrrYrr为r地区为满足本地最终产品需要的产出，LrrEXr为r地区为满足出口需要的产出。

2.2 碳转移相关测算

2.2.1 碳排放量测算

《省级温室气体清单编制指南》规定，省级能源活动CO2排放量可采用IPCC部门方法，即部门碳排放总量根据能源消耗数据和排放因子来计算。计算表达式为：

式（4）中：CEi为i部门的直接CO2排放量，Eik为i部门对第k种能源的消耗量，NCVk为第k种能源的平均低位发热量，CCk为第k种能源的单位热值含碳量，Ok为能源燃烧过程中的碳氧化率，p为能源种类，包括原煤、洗精煤、其他洗煤等17种能源消耗数据。

2.2.2 碳转移测算

根据“京都减排模式”碳排放核算方案中生产侧碳排放的基本内涵，生产活动引致的碳排放既包括满足本地区最终产品需求的碳排放，还包括满足其他地区中间产品及最终产品需求的碳排放，以及产品出口隐含碳部分［23］。定义Cr为以r地区各部门单位总产出的CO2排放量为对角元素的对角阵，则生产侧碳排放计算表达式为：

其中：PRO是生产侧碳排放，PRO1是r地区的内需排放，PRO2是为其他地区提供中间产品的碳排放，PRO3是为其他地区提供最终产品的碳排放，PRO4是出口隐含的碳排放。

《联合国气候变化框架公约》要求各国对保护全球环境应负共同但有区别的责任，不仅要体现污染者付费原则，也要体现公平原则。消费侧碳排放基于消费者角度，将支撑经济发展所需产品和服务所产生的隐含碳排放核算在内［24］，真实体现了“共同但有区别的责任”原则，计算表达式为：

其中：IMr表示国内r地区的中间产品进口总额，CON是消费侧碳排放，CON1是地区内部排放，在数值上与PRO1相等，CON2是其他地区为当地提供中间产品的碳排放，CON3是其他地区为当地提供最终产品的碳排放，CON4是进口隐含的碳排放。因此，区域间需求引致的净碳转移可由生产侧与消费侧碳排放的差额进行计算：

若CNr为正，表明区域间需求将引致r地区的CO2净流入，若CNr为负，表明区域间需求将引致r地区的CO2净流出；CNEr为净出口引致的碳转移，计算表达式为：

若CNEr为正，表明r地区的出口隐含CO2排放量大于进口隐含CO2排放量，存在由出口引致的碳净流入；若CNEr为负，则表明r地区存在由进口引致的碳净流出。进一步地，国内总净出口引致的碳转移计算表达式为：

若CNErTot为正，表明他国对中国形成了碳转移；若CNEr为负，则表明中国对他国形成了碳转移。因此，可以通过CNErTot来判断中国与世界其他国家是否存在碳泄漏。

2.3 研究方法、变量说明与数据来源

2.3.1 空间自相关分析

空间自相关性用于检验某个变量是否存在空间集聚现象，描述其在研究区域内的空间分布特征。参考已有研究［25］，采用Moran’sI和Geary’sC统计量来检验变量全局空间自相关性，计算公式分别为：

其中：n为省份个数，wij为空间权重，x和xˉ为变量及其均值。研究采用的空间权重矩阵为邻接矩阵，由于海南省地理位置的特殊性，定义海南与广东、广西相邻。Moran’sI统计量的取值一般在［-1，1］之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。Geary’sC统计量的取值一般在［0，2］之间，大于1表示负相关，等于1表示不相关，小于0表示正相关。全域空间性反映了空间变量的整体空间相关状况，但可能会忽略局部地区的非典型性特征［26］，因而该研究采用基于空间联系的局部Moran’sI统计量来考察变量的局部空间自相关程度，计算公式为其 中S=为正表示观测值高的区域单元被高值区域包围（高-高集聚）或观测值低的区域单元被低值区域包围（低-低集聚），Ii为负表示观测值低的区域单元被高值区域包围（低-高集聚）或观测值高的区域单元被低值区域包围（高-低集聚）。

2.3.2 地理加权回归模型

地理加权回归（GWR）是用来研究空间数据差异性的常用估计方法。GWR将数据的空间位置纳入回归参数中，利用局部最小二乘法对每一个观测对象进行逐点参数估计，使变量间的关系可以随着空间位置的变化而变化，直观地展示研究对象在研究区域内的空间异质性。因此，参考魏传华等［27］的研究思路，构建如下GWR模型：

其中：(ui，vi)对应第i个样本观测点的空间位置，βk(ui，vi)表示第i个样本观测点的第k个待估参数，εi～N(0，σ2)，cov(εi，εj)=0，i≠j。

2.3.3 变量说明

（1）核心变量：碳转移，具体包括碳排放转入量（以下简称“碳转入”）（CI）和碳排放转出量（以下简称“碳转出”）（CE）。

（2）被解释变量：社会福利水平（Y），借鉴文雁兵［28］的研究思路，运用国家统计局和中国统计学会提出的中国地区发展与民生指数作为社会福利水平的代理指标，包括经济发展、民生改善、社会发展、生态建设和科技创新五个维度，共43项指标，涵盖经济、民生、社会、区域、生态、科技等领域，体现了“以人为本”的核心理念和“全面协调可持续”的基本要求。鉴于国家统计局公布的地区与民生发展指数仅统计至2013年，该研究对2015—2017年数据进行补齐。具体权重设置、计算公式、相关解释及数据来源可参考《综合发展指数编制方案》和《地区发展与民生指数编制方案》。

（3）控制变量。为了缓解遗漏变量的内生性问题，借鉴国内现有研究，控制如下变量：①外贸规模（Foreign）。伴随中国对外开放的纵深发展，进出口贸易一方面增加了财政收入和就业机会，但另一方面也加剧环境污染和资源过度消费。因此，采用进出口总额占GDP的比重来衡量外贸规模。②产业结构（Industry）。产业结构优化能够有效引导生产和消费升级，实现经济的高附加值增长。因此，采用第三产业增加值与第二产业增加值之比来衡量，体现产业结构高级化程度。

2.3.4 数据来源与处理

采用的2015和2017年中国多区域投入产出延长表来自Carbon Emission Accounts & Datasets；各类能源活动水平数据来自对应年份《中国能源统计年鉴》，排放因子数据主要来自《2006年IPCC国家温室气体清单指南》和《省级温室气体清单编制指南（试行）》；由于数据可获得性局限，研究未涉及西藏、香港、澳门和台湾地区；其他变量来自2015—2018年的《中国统计年鉴》《中国科技统计年鉴》《中国卫生健康统计年鉴》、国家统计局数据库、各省《统计年鉴》、中国经济社会大数据研究平台等。此外，在核算过程中，为对应能源平衡表中各部门能源消耗数据，将投入产出表中的42个行业类别进行整理合并，并与计算所得的行业碳排放数据进行匹配，最终形成30个省份30行业的多区域投入产出表。

3 结果与讨论

3.1 各省份碳排放量及排放结构分析

表1报告了2015和2017年中国30省份直接CO2、基于生产者和消费者责任的CO2及碳排放强度。从总量上来看，中国各省份直接CO2排放略有增加，从2015年的96.404 0×108t增 至2017年 的98.658 3×108t，增 幅 为2.33%。其中，山东碳排放总量均排名全国第一，分别占全国碳排放总量的8.55%，8.17%。江苏和河北的直接CO2排放位居第二、第三，在2015年和2017年分别占全国碳排放总量的7.88%、7.61%和7.46%、7.36%。直接CO2排放最少的三个省份分别是海南、青海和北京，值得关注的是，海南和青海的直接CO2排放逐年增长，而北京的直接CO2排放逐年下降。总体来看，黄河中游、北部沿海和东部沿海地区直接CO2排放最高，西北和东北地区的直接CO2排放最少，中部、东部以及沿海地区直接CO2排放明显高于西部地区。尽管碳排放总量略有增长，但相较于2015年，2017年中国大部分省份的碳排放强度均有明显的下降趋势。此外，碳排放强度最高的是宁夏、新疆、内蒙古、山西、贵州、甘肃等碳排放量并不高的省份。可能的原因在于，这些省份处于欠发达的西部地区，尽管碳排放总量不高，但经济发展也同样在全国居于末位，GDP增速低于碳排放增速，导致碳排放强度位于全国前列。

表1 中国30个省份碳排放相关结果

从排放责任来看，2015和2017年，中国生产侧碳排放分别为96.525 2×108t和98.665 9×108t，消费侧碳排放分别为95.969 4×108t和98.276 1×108t。不论是生产侧还是消费侧碳排放都在逐年上升，与直接碳排放结果相吻合。从消生产者责任来看，2015年，生产侧碳排放居于全国前五位的省份依次是山东、江苏、河北、内蒙古、河南，占全国生产侧碳排放的35.49%。海南、青海、北京、宁夏、天津的碳排放居于最后五位，占全国生产侧碳排放的4.99%；2017年，居于前五位的省份是山东、江苏、河北、内蒙古、广东，占全国生产侧碳排放的34.98%。居于最后五位的省份是海南、青海、北京、天津、甘肃，占全国生产侧碳排放的4.78%。从消费者责任来看，2015年，消费侧碳排放居于全国前五位的省份依次是江苏、山东、广东、浙江和河南，占全国消费侧碳排放的34.55%。居于最后五位的省份为青海，海南，宁夏、甘肃和贵州，占全国消费侧碳排放的4.77%；2017年，居于前五位的省份是广东、江苏、河南、山东和浙江，占全国消费侧碳排放的35.38%。居于最后五位的省份是海南、青海、甘肃、宁夏、天津，占全国消费侧碳排放的4.92%。

从排放结构来看，内需排放是构成生产侧和消费侧碳排放的主要部分。在2015和2017年，山东的内需碳排放最高，分别为438.44×106t和436.50×106t，海南的内需碳排放最低，分别为17.02×106t和14.22×106t，二者相差25～30倍。生产者责任上，2015年，湖北内需排放占生产侧碳排放的比例最高，为69.06%，内蒙古占比最低，为18.91%；2017年，四川内需排放占生产侧碳排放的比例最高，为77.47%，上海占比最低，为22.32%。消费者责任上，在2015和2017年，四川内需排放占消费侧碳排放的比例最高，分别为70.40%，73.31%，北京占比最低，分别为7.39%，5.35%。

除内需排放外，用于提供中间产品产生的碳排放在各省碳排放中也占据较大比重。生产者责任上，2015年，内蒙古和海南用于提供中间产品产生的碳排放分别居于全国首位和末位，为402.15×106t和17.43×106t；2017年，内蒙古和青海用于提供中间产品产生的碳排放分别居于全国首位和末位，为361.89×106t和11.04×106t。在2015和2017年，内蒙古和宁夏用于提供中间产品产生的碳排放占该省生产侧碳排放的比例最高，分别为68.74%，57.17%，湖北和四川占比最低，分别为13.40%和12.96%。消费者责任上，2015年，江苏和青海使用其他地区提供的中间产品产生的碳排放分别居于全国首位和末位，为438.10×106t和9.62×106t；2017年，广东和青海使用其他地区提供的中间产品产生的碳排放分别居于全国首位和末位，为435.85×106t和10.69×106t。在2015和2017年，北京使用其他地区提供的中间产品产生的碳排放占该省消费侧碳排放的比例最高，分别为82.58%和83.04%，而新疆和山东占比最低，分别为14.68%和6.82%。

此外，各省份用于提供最终产品产生的碳排放差异也较为明显。生产者责任上，2015年，江苏和青海用于提供最终产品产生的碳排放占该省生产侧碳排放的比例分别居于全国首位和末位，为21.17%和1.56%；2017年，海南和青海用于提供最终产品产生的碳排放占该省生产侧碳排放的比例居于全国首位和末位，分别占34.86%和0.91%。消费者责任上，2015年，吉林和宁夏消费其他地区提供的最终产品产生的碳排放占该省消费侧碳排放的比例居于全国首位和末位，分别占20.94%和2.30%；2017年，黑龙江和四川消费其他地区提供的最终产品产生的碳排放占该省消费侧碳排放的比例居于全国首位和末位，分别占24.31和4.68%。各省份进、出口隐含碳方面，2015年，山东和广东分别是进口和出口隐含碳最大的省份，为151.94×106t、157.39×106t，甘肃是进、出口隐含碳最小的省份，分别为0.57×106t、0.75×106t；2017年，广东和青海分别是最大、最小的进、出口隐含碳省份，两省份进口隐含碳分别为113.51×106t、0.21×106t，出口隐含碳分别为164.03×106t、0.45×106t。

3.2 区域碳转移特征分析

表2展示了2015和2017年中国省际间净碳转移结果。从转入的角度看，碳排放的主要流入地区是北部沿海地区和黄河中游地区，而京津地区、南部沿海和西南地区的碳排放转入量最少。从转出的角度看，碳排放的主要流出地区是东部沿海、京津地区、长江中游地区和广东，东北、西南和西北地区的碳排放转出量最少。总体来看，中国省际内碳排放转移呈现自东向西、由沿海向内陆转移的趋势。

表2 中国30个省份碳转入和碳转出结果 /106 t

根据2015和2017年平均碳排放与碳转移测算结果，将中国30个省划分为高碳排放和低碳排放，高碳流入、低碳流入、高碳流出和低碳流出区域［19］（表3）。区域1是碳排放量和碳流出量双高的省份，具有经济规模大、活跃度高，人口密集的特征，是“双碳”目标下应被重点关注的地区。区域2是碳排放量和碳流入量双高的省份，这类省份多以原材料加工、能源供应、矿产开发为主，生产过程碳排放量较高。同时，这些省份在中间产品使用过程中吸纳了大量碳流入。区域3和区域4是碳排放高但碳流出低和碳流入低的省份。这些省份的相同点是内需排放占各省碳排放的比例较高，不同点在于，区域3的省份对外经济活跃度偏低，在生产活动中向其他省份转出较少的碳排放。而区域4则是更少地承接其他省份所转出的碳排放。区域5是北京、上海、重庆等碳排放量低、碳净流出量高的省份。这些地区的碳排放总量较低，而它们的最终需求和出口导致其他省份的碳排放量较高。区域6是碳排放量低、碳净流入量高的省份，这些省份在生产活动中承接较多周边省份（如辽宁、湖南、重庆）所转出的碳排放。区域7和区域8是碳排放低且碳流出和碳流入业低的省份，这些省份由于区位、人口、经济、地势等因素，减排效果较好，不是减排的重点关注地区。值得注意的是，北京、上海、重庆、湖北、湖南和江西存在高碳流出低碳流入的单向转移，而山西、内蒙古、辽宁、吉林、新疆和贵州则存在高碳流入低碳流出的单向转移。由于区域经济发展战略、区域分工及产业结构上的差异，以及初始资源禀赋在空间分布不均衡，进而决定了西部及东北地区被动成为经济发达地区的“污染天堂”。

表3 中国30个省份碳转移流向

由式（8）和式（9）测算得出2015和2017年各地区净出口隐含碳排放（表4）。从省级层面看，2015年，吉林、黑龙江、天津、山东、上海、福建、海南、河南、广西和宁夏存在164.05×106t的净出口隐含碳排放，其他省份则存在着-219.63×106t的净出口隐含碳排放，国外对中国存在55.58×106t的“碳泄漏”。2017年，辽宁、吉林、黑龙江、天津、上海、福建、海南、内蒙古、广西、云南、甘肃和新疆存在175.29×106t的净出口隐含碳排放，其他省份存在着-214.27×106t的净出口隐含碳排放，国外对中国的“碳泄漏”减少至38.98×106t。他国对中国净出口引致的碳排放减少的原因可能在于，中国近年的外贸依存度有所下降，国内市场活跃度逐渐走高，经济增长正由外需拉动向内需驱动转变，更多地依赖内部经济。从区域层面看，2015年，东北、京津、北部沿海、西南和西北地区的进口隐含碳排放大于出口隐含碳排放，而东部沿海、南部沿海、黄河中游和长江中游地区的出口隐含碳排放大于进口隐含碳排放。2017年，净出口隐含碳流入的地区有东北、京津、黄河中游和西北地区，其他为净出口隐含碳流出的地区。其中，东南沿海地区既是高碳流出地区，也是净出口隐含碳排放的主要贡献者。可见，由于政策支持、交通运输和港口便利，沿海地区在对外贸易中占据绝对的区位优势，同时也承担中国对外开放的窗口和纽带，在国际贸易中比内陆地区出口频繁，因而引致更多的出口隐含碳排放。而东北和西北地区则受限于地理和经济双重约束，在贸易中更多地依赖进口，因而吸纳了更多的进口隐含碳排放。

表4 中国30个省份净出口碳转移情况 /106 t

3.3 碳转移的福利溢出效应

3.3.1 空间自相关性检验

表5报告了在邻接矩阵下的碳转移和社会福利的Moran’sI值和Geary’sC值测算结果。可以看出，2015和2017年，碳转入的Moran’sI值均在1%水平下显著，Geary’sC值均在10%水平下显著。碳转出的Moran’sI值和Geary’s C值在2015年均通过了5%的显著性检验，但在2017年均未通过显著性检验。社会福利的Moran’sI值和Geary’sC值均在1%水平下显著。具体来看，除2017年碳转出的Moran’sI值小于0，Geary’sC值大于1之外，其他变量在2015和2017年的Moran’sI值均大于0，Geary’sC值均小于1，表明碳转移和社会福利水平整体上存在着明显的空间集聚性，并且可能存在一定的空间关联。

表5 碳转移和社会福利水平的Moran’s I值和Geary’s C值

由表6可知，中国碳转移和福利水平主要表现为高-高集聚和低-低集聚两种模式，且低-低集聚的省份多于高-高集聚的省份。高-高型碳转入地区主要集中在东北、北部沿海和黄河中游地区，低-低型碳转入地区主要集中在长江中游、西南和西北地区。高-高型碳转出地区主要集中在东部沿海和长江中游地区，低-低型碳转出地区主要集中在东北、黄河中游和西北地区。高-高型社会福利地区主要集中在京津、东部沿海和南部沿海地区，低-低型社会福利地区主要集中在东北、黄河中游、西南和西北地区。从动态演变情况看，碳转出地区主要由高-高集聚和低-低集聚逐渐演变成低-高集聚和低-低集聚。可见，高碳转出地区的减排工作已取得一定成效，但对其周边地区的扩散并未得到有效缓解。

表6 Moran’s I散点图的集聚模式分类

3.3.2 基准回归结果

为保证回归结果的有效性，基于前文所述的研究方法，文章采用最小二乘回归（OLS）和地理加权回归来共同估计模型参数，以比较二者的估计结果差异。在GWR模型中，采用邻接矩阵作为权重，结合交叉验证法（CV）计算最优带宽。表7展示了基准回归结果，其中模型（1）和模型（2）为OLS估计结果，模型（3）和模型（4）为GWR估计结果。可以看出，OLS模型的核心解释变量lnCI的回归系数（-0.080和-0.088）小于零，lnCE的回归系数（0.105和0.078）大于零，且分别在1%和5%水平下显著。GWR模型回归系数总体上与OLS模型回归系数差异不大，表明碳排放转入会降低地区的社会福利水平，而碳排放转出会提升地区的社会福利水平。进一步地，OLS模型的AICc值（-35.657和-36.336）大于GWR模型的AICc值（-70.315和-70.551），且差距大于3，根据最小信息化准则，该研究更适用GWR模型进行分析。此外，OLS模型R2分别为0.808、0.754，GWR模型R2分别为0.910，0.895，即OLS模型可解释变量的80.8%和75.4%，小于GWR模型的91.0%和89.5%，表明GWR模型有较好的拟合优度。

表7 基准回归结果

3.3.3 GWR回归结果分析

表8报告了各省的局部参数估计值。大部分省份局部估计的拟合优度大于80%，再次验证GWR模型具有较高的解释能力。具体来看，2015年，除浙江、山东、河南、湖北、湖南的负向系数不显著外，其余所有省份的碳转入对社会福利的溢出效应均显著为负；所有地区的碳转出和外贸规模对社会福利的溢出效应均显著为正；除天津外，其余所有省份的产业结构对社会福利的溢出效应显著为正。2017年，河南、湖北、湖南的碳转入对社会福利的负向溢出效应不显著，其余所有省份显著为负；所有地区的碳转出和外贸规模对社会福利的溢出效应显著为正；除湖南外，其余所有省份的产业结构对社会福利的溢出效应显著为正。GWR模型的结果表明，碳转移存在明显的福利溢出效应，且从动态演变情况看，碳转出的正向福利溢出效应有所减弱，大部分地区碳转入的负向福利溢出效应有所增强。

表8 局部估计结果

从空间分布来看，碳转入的负向福利溢出效应整体呈现“西高东低”态势，且随时间变化不明显。一方面，由于人口、自然资源、经济地理等制约因素，西部地区面临严峻的“发展与生态治理”矛盾，此种情况下，一旦碳排放转入增加，对当地及周边地区社会福利的不利影响必然随之加剧；另一方面，长期以来，西部地区承接了大量来自中、东部地区的碳转入，但中、东部地区的产业集群效应和交通条件仍制约其产业向西部转移，不可避免地导致西部地区环境与社会福利“脱钩”。但随着时间变化，各省碳转出的正向溢出效应逐渐减弱。其中东北和西北地区碳转出的正向溢出效应削减较快，东南地区次之，中部地区碳转出的正向溢出效应削减最慢。一方面，由于中国东南地区经济发展快、生活水平高、就业机会多而引起的“孔雀东南飞”现象，导致西北部地区存在人才短缺的“马太效应”，使得碳转出对社会福利的正向溢出在西北部地区的影响减少。另一方面，近年来，山西、河南、湖南、湖北、江西等中部地区经济迅速崛起，不断超过全国平均水平，伴随着碳排放转出的“泄漏”，削弱了周边地区碳转出对社会福利的正向溢出。

4 结论与启示

采用2015和2017年中国多区域投入产出表和碳排放数据对生产侧碳排放、消费侧碳排放、省际间碳转移及转移方向进行测算与讨论，并对地区发展与民生指数进行补齐，采用GWR模型估计了各省碳排放转入和碳排放转出的福利溢出效应，主要结论如下。

（1）从排放总量来看，尽管中国直接碳排放总量略有增长，整体上表现出明显的“西低东高”空间分布特征，但碳排放强度得到显著改善。各省生产侧和消费侧碳排放在排放总量和排放结构上均存在较大差异。内需排放、中间产品和最终产品的调入、调出是构成省域碳排放的主要部分。

（2）从转移特征来看，中国省际碳排放转移呈现自东向西、由沿海向内陆转移的趋势。国外中国的“碳泄漏”有所下降，侧面反映出中国经济增长正由外需拉动向内需驱动转变。此外，由于政策、交通及港口优势，东南沿海地区一直是净出口隐含碳排放的主要贡献者。

（3）从影响效应来看，碳转入对社会福利具有负向溢出效应，碳转出、外贸规模和产业结构对社会福利具有正向溢出效应。各省碳转入的负向福利溢出效应表现为“西高东低”的特征，且随时间变化不明显，而各省碳转出的正向溢出效应则随时间变化较为显著。

以上研究结论对地区碳减排政策制定、碳排放权配额分配具有一定启示。

（1）差异化制定地区减排政策。对于碳排放总量较大的东部地区，特别是沿海地区，应重点关注总量减排，通过产业结构调整和优化，把节能降耗建立在发展高成长、低能耗产业上。对于碳排放强度较高的西部和北部地区，应大力支持节能减排关键技术研发和应用，通过技术创新来提高资源利用效率，同时应执行更为严格的环境规制措施，淘汰和阻止“三高”产业转入，避免成为东部沿海地区产业转移的“污染避难所”。

（2）因地制宜推进区域节能降碳。对于高碳流出地区，在减排过程中应注意需求结构和出口规模的调整。一方面通过重配再生产过程中的需求结构，刺激低碳领域的消费和投资，另一方面通过转变出口增长模式优化产品结构，控制出口产品含碳量。对于高碳流入地区，在减排过程中应重点关注减排效率和减排技术的提升。一方面通过有效节约物质和能量资源，减少环境有害物排放，另一方面通过技术的扩散和外溢效应，激励其在低碳领域的技术进步。

（3）应基于“共同但有区别”的减排原则，要求各经济主体既承担生产者的排放责任，又承担消费者排放责任。一方面，碳排放成本和减排目标可以被内部化为对生产者的约束，鼓励政府采取更有效的方法改善环境绩效。另一方面，在生产活动中应更注重清洁高效，促进消费者养成绿色低碳的消费习惯。此外，合理分配碳排放权和减排资源，在制定兼顾公平和效率的碳配额政策的同时，实现边际减排成本最小化，不断释放碳交易市场在实现减排目标和经济高质量发展中的政策红利。