中国省际服务业碳排放空间网络结构及其驱动因素

2022-10-19甘畅，王凯

环境科学研究 2022年10期

甘畅，王凯

湖南师范大学旅游学院，湖南长沙 410081

实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革，也是实现经济社会全面绿色转型和建设“美丽中国”的有力抓手[1].作为助推中国产业转型升级以及居民消费需求升级的重要产业，服务业快速发展所导致的生态环境问题日益凸显[2]，在生态文明建设和高质量发展的时代背景下，服务业是实现中国碳达峰、碳中和目标不可忽视的产业部门.然而，服务业省际产业转移与地理空间邻近性的存在，使得服务业碳减排具有显著的整体性和全域性，并不拘囿于单一责任[3].同时，随着我国市场机制的完善和区域经济一体化进程的加速，服务业生产要素在地理空间上的流动与互通，使得服务业碳排放在空间上形成了多线程的复杂网络型关系[2].服务业碳排放空间网络结构是以区域为载体，以服务业生产与消费活动为基础，通过服务业资源要素的集聚扩散，连接不同规模等级的网络节点进而形成紧密联系的循环有机系统.精准刻画中国服务业碳排放空间网络结构特征并剖析其关键驱动因素，对于完善跨区域碳达峰、碳中和行动方案，以及优化服务业生态文明建设路径具有重要的实践价值和理论意义.

随着服务业碳排放量的迅猛增长，国内外学者针对服务业碳排放及其相关问题展开了一系列前瞻性的研究，主要分为以下3 个方面：①服务业发展与碳排放的关系.研究[4-5]显示：服务业集聚不仅有助于降低本地碳排放，同时通过跨区域的外溢效应促进周边地区碳减排，但这种碳减排效应发挥的载体仅仅集中于以金融、网络、商务等为代表的现代服务业，而以交通运输和仓储物流为代表的传统服务业的碳减排效应并不显著；同时，服务业碳减排效应的释放受地区信息技术水平的制约[6-7].②服务业碳排放及其驱动因素.部分学者[8-10]对全球、国际组织以及国家等不同研究对象的服务业碳排放进行了测算，发现在经济迈入服务化时代的背景下，服务业存在巨大的节能减排潜力；部分学者采用LMDI 分析法和回归分析模型探索了影响服务业碳减排的关键因素，发现依托科技进步和产业内部结构调整可有效降低服务业碳排放量[11-12].③服务业碳生产率与能源利用效率.提高服务业碳生产率和能源利用效率是促进服务业高质量发展的重要路径，对该主题的研究，局限于统计口径的不完善，多集中于全球[13]、国际组织[14]、国家[15-16]、省份[17]等研究对象；研究方法多采用单一比值法[2]和数据包络分析法(DEA)[13,15]，由于服务业碳生产率存在显著的空间相关性，王许亮等[2]采用空间计量模型分析了中国服务业碳生产率的收敛性.

综上，既有服务业碳排放的相关成果呈现出研究要素丰富多样以及研究方法科学多元的特征，但也存在如下不足：①现有研究对于服务业碳排放空间演化特征的探索与勾勒较为薄弱，少数研究采用传统探索性空间数据分析法，仅能验证服务业碳排放是否存在空间效应，难以从更大尺度全景式地把握服务业碳排放空间网络结构的动态演化特征；②已有研究多基于“属性数据”视角考察不同区域服务业碳排放的空间聚类方式，忽视了基于“关系数据”视角厘清不同区域在服务业碳排放空间网络结构中的角色和地位.鉴于此，该文综合运用修正后的引力模型和社会网络分析法，探索中国服务业碳排放空间网络结构及其驱动因素，以期为中国服务业制定共同但有差别的碳达峰、碳中和行动方案提供科学遵循.

1 研究方法与数据来源

1.1 服务业碳排放量测算

基于IPCC (Intergovernmental Panel on Climate Change)提供的碳排放核算方法[18]，对我国各省份服务业的碳排放量进行核算，服务业碳排放量计算公式：

式中：i为省份；t为年份；j为能源消费类型；Cit为省份i第t年的服务业碳排放总量，104t；Eijt为省份i第t年第j类能源的消费量，1011kJ；αj为第j类能源的碳排放系数，即每消耗1 kg 能源所产生的碳排放量.由《中国能源统计年鉴》可知，服务业主要能源消耗的类型大致可划分为煤炭、焦煤和原油等9 种，各类型能源的碳排放系数根据其平均低位发热量以及《2006 年IPCC 温室气体排放清单指南》中所使用的碳排放因子计算得出(见表1).

表1 能源消费类型及碳排放系数Table 1 Type of energy consumption,and coefficient of carbon emission

1.2 修正后的引力模型

该文采用修正后的引力模型构建服务业碳排放空间关联矩阵，参考已有研究[11-12]，采用服务业碳排放量、常住人口数量、服务业增加值修正“质量”系数.根据空间相互作用理论，区域间经济发展水平差异是影响空间溢出效应的重要因素[19]；服务业发展水平较高的省份将产业链条中的中低端生产企业转移至发展水平较低的省份，而服务业的生产与消费在空间上的分离意味着隐含碳转移，进而产生服务业碳排放空间关联与空间溢出；同时考虑区域间空间距离衰减效应的影响，该文以省际间的地理距离除以省际间人均服务业增加值的差距修正“距离”系数[20].省份间服务业碳排量的空间关联和溢出由于服务业能源消费差异而具有双向性和非均衡性[11]，由此该文采用服务业能源消费贡献率作为经验常数对引力模型进行修正.修正后的引力模型：

式中：Fmn为m省份和n省份服务业碳排放的空间联系强度；Pm和Pn分别表示m省份和n省份的常住人口数量，104人；Cm和Cn分别表示m省份和n省份的服务业碳排放总量，103t；Sm和Sn分别表示m省份和n省份的服务业增加值，108元；dmn表示m省份和n省份的省会(首府)间的最短空间距离，km；sm和sn分别为m省份和n省份的人均服务业增加值，元；Em和En分别表示m省份和n省份的服务业能源消费总量，1011kJ；k表示经验常数.参考已有研究中能源消费与碳排放空间关联矩阵的二值化处理方法[21-25]，以空间关联矩阵每行的平均值为阈值，服务业碳排放空间联系强度大于平均值的记为1，服务业碳排放空间联系强度小于平均值的记为0，以此获取中国服务业碳排放空间联系的二值化矩阵.

1.3 社会网络分析法

社会网络分析法是一种以关系数据挖掘为基础的跨学科研究方法，旨在通过图论工具和代数模型描述网络结构中各成员间的关系以及不同类型、关系和模式对空间网络结构特征的影响[26].该文运用社会网络分析法研究中国省际服务业碳排放空间网络结构及其驱动因素.整体空间网络结构特征主要采用网络密度、网络等级度和网络效率3 个指标来反映；个体空间网络结构特征主要采用度数中心度、中间中心度和接近中心度3 个指标来反映；运用QAP 回归分析探索中国省际服务业碳排放空间联系的关键驱动因素.各项指标的计算公式参考文献[23].

1.4 数据来源

以中国30 个省(自治区、直辖市)为研究对象，其服务业能源消费数据(不含西藏自治区和港澳台地区数据)主要来源于2001—2019 年《中国能源统计年鉴》.研究期内各省份服务业增加值的数据来自2001—2019 年《中国第三产业统计年鉴》.影响因素所涉及的数据如各省份城镇化率、第三产业增加值、固定资产投资、三大发明专利等数据主要来源于2001—2019 年《中国统计年鉴》.省份间空间邻接矩阵以及省会(首府)之间最短空间距离运用ArcGIS 10.2软件获取.

2 结果与讨论

2.1 服务业碳排放空间联系强度

参考张帅等[27]的处理方法，仅可视化排名前30位的省份之间的服务业碳排放空间联系强度.样本考察期内，中国服务业碳排放空间联系强度不断增大，省份间服务业碳排放空间联系逐渐复杂化和紧密化，省际服务业碳排放空间网络结构逐渐显现(见图1).服务业碳排放空间联系具有显著的空间邻近性，即相邻省份间的服务业碳排放空间联系强度更大，如北京市与天津市、天津市与河北省、上海市与浙江省、上海市与江苏省、江苏省与浙江省，这主要是由于相邻省份间的服务业子部门(如交通运输和电子商务等)的联系与合作的时间成本和通勤成本更低，其服务业经贸往来与产业转移中的隐含碳联系强度更大，进而促进了省份间服务业碳排放空间联系.此外，服务业碳排放空间联系紧密的省份主要分布于环渤海地区和长三角地区，以北京市、天津市、上海市、江苏省和浙江省为代表的节点省份在服务业碳排放空间联系中扮演着“主导者”的角色.

2.2 服务业碳排放整体空间网络结构特征

由图2 可见，中国服务业碳排放空间网络密度大致呈“上升—下降—上升—下降”的演化趋势，由2000 年的0.140 波动增至2018 年的0.166，这说明随着服务业资本、人才、技术等生产要素跨区域流动性的增强，省际间的服务业交流与合作的规模不断扩大，从而使得服务业碳排放空间网络结构愈加紧密；尽管网络密度值整体表现出增长趋势，但最大值仅为0.187，这说明中国服务业碳排放空间网络结构仍然较为疏松.在样本考察期内，网络等级度表现出波动下降的演化态势，网络等级度基本稳定在0.8 以下；研究期末，网络等级度已降至0.513，这说明等级结构较为森严的空间网络逐渐被打破，服务业碳排放的空间关联性不断增强.网络效率则呈现出波动下降的演变态势，由2000 年的0.822 波动小幅降至2018 年的0.770，网络效率值始终维持在0.740 以上，这显示随着中国服务业碳排放的连线不断增多，多重叠加效应愈加显著，空间网络结构的稳定性在一定程度上得以提升.

2.3 服务业碳排放个体空间网络结构特征

通过测算研究期内所有年份的网络中心性指标发现，研究期内各省份中心性指标的数值并无显著变化，因此以2018 年的结果来分析中国服务业碳排放个体空间网络结构的中心性(见表2).

表2 2018 年中国服务业碳排放个体空间网络结构特征Table 2 Individual spatial network structure characteristics regarding carbon emission from service industry in China in 2018

2.3.1 度数中心度

中国省际服务业碳排放空间网络结构的度数中心度的平均值为28.046，高于平均值的省份共6 个，由高到低依次为上海市、北京市、江苏省、浙江省、广东省和天津市，上述地区均位于我国东部，其他省份在服务业碳排放空间网络结构中与这些省份的联系更多，整体空间网络结构的集聚性和稳定性主要依靠这些省份来巩固.上海市的度数中心度高达93.103，在所有省份中位居第一位，处于服务业碳排放空间网络结构的中心地位.内蒙古自治区、辽宁省、河北省、吉林省、黑龙江省、安徽省、宁夏回族自治区等地区的度数中心度较小，这表明上述省份与其他省份的服务业碳排放空间联系较少.由表2 可见，点入度和点出度的平均值均为4.967，点入度大于平均值的省份共8 个，点出度大于平均值的省份共20 个.其中，北京市、上海市、山东省、江苏省和广东省的点入度和点出度均大于平均值，说明上述省份不仅可以接收来自其他省份的溢出，同时通过产业转移和能源调配也可以对其他省份产生辐射效应.

2.3.2 接近中心度

中国省际服务业碳排放空间网络结构的接近中心度的平均值为59.463，高于平均值的省份共6 个，与度数中心度一致，由高及低依次为上海市、北京市、江苏省、浙江省、广东省和天津市，这说明上述6 个省份在服务业碳排放空间网络结构中扮演着“中心行动者”的角色，这些省份在空间网络结构中处于中心地位，能快速与其他省份产生空间联系.上述省份均位于我国东部，与其他省份的服务业碳排放权的交易效率较高，这些省份的服务业获取碳排放交易权的能力也会更强.具体来看，上海市的接近中心度为93.548，远高于其他省份，处于中国服务业碳排放空间网络结构的绝对中心位置，这与其作为碳排放权交易的首批试点城市，能快速与其他省份进行碳排放权交易有关.此外，上海市清洁生产技术先进，其低碳、零碳和负碳技术也能进一步辐射其他省份，从而加强了与其他省份的服务业碳排放联系.内蒙古自治区、河北省、宁夏回族自治区、吉林省和黑龙江省等地区的接近中心度排名靠后，说明这些省份在服务业碳排放空间网络结构中扮演着“边缘行动者”的角色.

2.3.3 中间中心度

中国省际服务业碳排放空间网络结构的中间中心度的平均值为2.570，大于平均值的省份共6 个，从高到低依次为上海市、北京市、江苏省、浙江省、天津市和广东省.这些省份的服务业碳排放至少能与10 个以上的省份产生空间联系，是其他省份进行碳排放空间联系的重要“桥接”和“枢纽”，控制着中国服务业碳排放的空间溢出和空间联系，在中国服务业碳排放空间网络中掌控的“优先权”较大.可以看出，中间中心度大于平均值的省份均位于我国东部经济发达地区.具体层面上，江苏省和浙江省服务业发展成熟，主要通过服务业产业转移和服务业经济贸易加强与其他省份的服务业碳排放空间联系，因此其中间中心度相对较大.北京市、天津市、上海市和广东省主要以碳金融产品和碳中和技术为载体，在服务业碳排放权交易中扮演“中间人”的角色，因此这些省份的中间中心度排名靠前.其他24 个省份的中间中心度的占比仅为4.95%，难以对省份间的服务业碳排放空间联系施加影响.

2.4 服务业碳排放空间网络结构的驱动因素

2.4.1 驱动因素选取与模型构建

服务业碳排放空间网络结构是服务业内部发展和外部社会经济动力交互协同作用的产物，通过各种驱动因素作用强度的改变促进空间网络结构的重组或优化[28].该文驱动因素选取如下：①地理空间邻近性.地理学第一定律显示距离相隔较近的区域间的联系越强，即相邻省份间的服务业碳排放更容易产生空间联系[25]，采用空间邻近矩阵表征省份间的地理空间邻近性.②服务业碳排放强度差异.服务业碳排放强度是衡量服务业生产方式的重要标尺，服务业生产方式相近的区域更容易产生产业集聚，采用服务业碳排放强度的差异值矩阵来表征[29].③环境规制强度差异.区域间相似的服务业碳减排政策更有利于区域间协同推进服务业节能减排，采用环境投资总额占GDP 比例的差异值矩阵来表征[30].④产业结构优化差异.产业结构优化会促进地区服务业生产与消费空间分离，进而影响省份间服务业碳排放的空间联系[31]，采用第三产业占GDP 比重的差异值矩阵来表示.⑤城镇化水平差异.城镇化进程的加速能有效扩大投资主体的市场规模，形成域内域外“双循环发展”模式，进而影响省际间服务业碳排放在空间上的溢出与联系[24]，以城镇人口占常住人口比重的差异值矩阵来表征.⑥投资水平差异和科技发展水平差异.资本和技术的跨区域流动是省份间服务业交流合作的载体，而省份间交流合作是服务业碳排放空间联系的重要因素[23,32]，采用固定资产投资的差异值矩阵表征省份间投资水平的差异，运用三大发明专利申请数量的差异值矩阵表示省份间科技发展水平的差异.由此，该文以对应年份的服务业碳排放空间关联矩阵为被解释变量，同时构建各解释变量的差异值矩阵，为消除量纲对回归结果科学性的干扰，采用极值标准化对各矩阵进行标准化处理.

2.4.2 驱动因素分析

分别选取2000 年、2006 年、2012 年和2018 年4 个截面年份进行QAP 回归分析(见表3).4 个截面年份调整后的拟合优度介于[0.226,0.322]之间，均在0.01 水平下显著相关，这说明所有解释变量可解释中国服务业碳排放空间联系的22.6%～32.2%.Meijers 等[33]研究显示，同一数据下QAP 回归分析的拟合优度一般低于OLS 回归分析，对比碳排放空间关联的相关文献，该文的拟合优度基本能够满足QAP 回归分析的需要.

由表3 可见，地理空间邻近性对服务业碳排放空间联系产生显著的正向影响，说明相邻省份间的服务业碳排放更易产生空间关联和空间溢出，并助推服务业碳排放空间网络结构的形成，这是由于地理位置邻近的省份其服务业产业转移与经济贸易的时间成本和物质成本较低，因此其交流合作的规模更大、范围更广以及程度更深，进而提升了省份间服务业碳排放的空间网络结构的紧密程度.

由表3 可见，服务业碳排放强度的差异对服务业碳排放空间联系的负向影响由初期的不显著逐渐转为显著.这说明服务业碳排放强度差异越小，服务业碳排放的空间联系越紧密.服务业碳排放强度是衡量服务业能源利用质量的重要指标，服务业碳排放强度差异越小，省份间的服务业能源消费结构的差异越小，服务业碳排放产生空间联系的可能性越大，越有利于省份间服务业碳排放空间联系.环境规制强度差异的回归系数在2018 年转为负向显著，这说明随着生态文明建设战略的深入推进，省份间的环境规制更多倾向构建跨区域协同减排机制，环境规制所产生的“倒逼减排效应”逐渐显现.

表3 中国服务业碳排放空间网络结构的驱动因素回归结果Table 3 Regression results of the driving factors regarding spatial network structure of carbon emission from service industry in China

由表3 可见，产业结构优化的差异对服务业碳排放空间联系始终产生显著的正向影响，这主要是由于产业结构优化程度更高的省份，其现代化服务业体系也愈加完善，这些省份会将传统服务业以异地设厂和业务外包的形式转移至欠发达的西部省份，从而在一定程度上产生“污染避难所效应”，这无疑将会加强省份间服务业碳排放的空间联系.城镇化水平的差异对服务业碳排放的空间联系始终产生显著的正向影响，且数值在波动中增大.由于城镇化进程的加速，生活性与生产性服务的市场需求不断扩张，服务业产业链上下游省份间的沟通与合作将愈加频繁，进而促进服务业碳排放的空间联系.随着我国新型城镇化战略的推进，服务业产业上下游链条涉及的地区更多，地区间服务业碳排放的空间联系将愈加紧密.

由表3 可见，投资水平的差异对服务业碳排放空间联系的负向影响始终不显著，这可能与盲目性和低效率的投资导致地区间服务业“市场分割”和“技术锁定”有关，尤其是当前服务业市场机制尚不健全，存在低效投资甚至是无效投资等问题，资本的“集聚-扩散”机制未能有效强化省份间服务业碳排放的空间联系.科技发展水平的差异对服务业碳排放空间联系始终产生显著的正向影响，科学技术在促进省份间服务业跨区域交流合作中发挥着愈加重要的作用，尤其是生态文明建设战略实施以来，以低碳、零碳和负碳为代表的技术研发、应用和推广提高了省份间服务业碳排放权的市场交易效率，进而强化了省份间服务业碳排放的空间联系.

3 结论与建议

3.1 结论

a)研究期内，中国服务业碳排放空间联系强度不断增大，服务业碳排放空间联系具有显著的空间邻近性，环渤海地区和长三角地区省份间的服务业碳排放空间联系更加紧密.服务业碳排放空间网络结构表现出渐趋复杂且稳定性增强的演变趋势，同时其关联性和稳定性不断提高.

b)上海市、北京市、江苏省、浙江省、广东省和天津市在中国服务业碳排放空间网络结构中扮演“中心行动者”的角色，这些省份也是其他省份进行服务业碳排放空间联系的重要“桥接”和“枢纽”，控制与主导中国服务业碳排放空间溢出和空间关联；而内蒙古自治区、辽宁省、河北省、吉林省、黑龙江省在中国服务业碳排放空间网络结构中扮演着“边缘行动者”的角色.

c)省份间地理位置越邻近以及产业结构优化、城镇化水平和科技发展水平的差异程度越大，中国服务业碳排放空间联系越多；而服务业碳排放强度的差异越大，中国服务业碳排放空间联系越少；环境规制强度差异对中国服务业碳排放空间联系的影响由正向不显著转变为负向显著.