全球价值链与国内价值链双重嵌入对中国碳福利绩效的影响研究

许冬兰 郭宇钦 宋晓敏

（中国海洋大学经济学院，青岛 266100）

引 言

在当前全球气候变化日益严峻的背景下，中国的碳减排问题愈发显得重要。习总书记在第75届联合国大会上宣布：“中国将力争在2030年前实现碳达峰、2060年前实现碳中和”，这表明中国的碳减排压力在不断增大。此外，随着中国特色社会主义进入新时代，满足人民日益增长的美好生活需要已然成为经济社会发展的重要目标，相比于以往一味地追求高速经济增长，当下更倾向于关注民生问题。可见，在碳排放约束下实现经济福利和社会福利的提升，即提升碳福利绩效已成为当前亟需解决的问题。

中国作为世界上最大的发展中国家，在近几十年中通过承接发达国家部分生产环节融入全球价值链（Global Value Chain，GVC）分工体系，利用跨国公司的供应链和营销网络提高了生产制造及出口能力［1］，然而以代工制造为主的出口导向型发展模式也使得中国面临价值链的低端锁定、被动从事低附加值高碳排放行业的生产局面。此外，随着全球孤立主义、贸易保护主义的盛行以及新冠肺炎疫情的持续蔓延，逆全球化的趋势愈演愈烈，全球价值链分工体系受到严重破坏，全球经济大循环动能也在不断弱化。当下的中国，已经难以依赖原有的GVC嵌入方式来维持发展。鉴于此，党中央适时地提出构建以国内大循环为主体，国内国际双循环相互促进的战略新目标。在此背景下，完善国内价值链（National Value Chain，NVC），构建GVC与NVC分工体系，通过价值链双重嵌入来促进双循环目标的实现显得尤其重要。那么，GVC和NVC双重嵌入能否改善以往高碳低附加值的发展模式，从而对碳福利绩效产生积极影响？GVC和NVC在影响地区碳福利绩效时是否存在互动效应？这些问题的解决，对于中国促进碳减排、全面提升社会经济福利具有重要的现实意义。

在参与GVC分工的基础上，中国正在挖掘国内市场的潜力，努力构建和完善NVC分工体系。学者们结合国内具体情况，将GVC与NVC纳入同一框架进行了相关研究。刘志彪和张少军［2］较早提出，在参与GVC的同时构建NVC有助于提高中国整体经济发展水平，强调了GVC与NVC互动的重要性；之后，学者们针对参与GVC与NVC的关系进行了实证研究：一种观点认为，中国的NVC并未成功对接GVC，原因在于中国参与GVC存在两头在外、低端锁定的特征，GVC在国内的环节没能向其他地区延伸进而与NVC产生联系［3］；另一种观点主张，NVC的构建推动了中国GVC的升级，NVC可通过整合国内资源、促进国内技术溢出以及培育内资企业等途径推动GVC地位攀升［4］； 而刘景卿和车维汉［5］则认为 NVC 在GVC面临撕裂时会对其产生替代作用，而在GVC正常运转时两者为互补关系；此外，盛斌等［6］还认为同时嵌入GVC和NVC会促进经济增长。

价值链嵌入与低碳发展的相关研究大多从GVC层面展开。王玉燕等［7］发现工业行业嵌入GVC与碳排放呈U型关系，蔡礼辉等［8］进一步将GVC嵌入细化为前、后向嵌入，发现仅有前向GVC嵌入与碳排放符合U型关系，而后向嵌入与碳排放则是正相关关系。从地区角度看，比较统一的观点是发达国家嵌入GVC会显著降低碳排放，而针对发展中国家嵌入GVC的影响则存在明显的争议：有观点认为嵌入GVC存在 “污染天堂效应”［9］，也有观点认为GVC嵌入存在 “污染光环效应”［10］。

在低碳发展的相关研究中，碳排放绩效一直广受关注。已有文献大多围绕碳生产率展开，从测算方式来看，早期主要从单要素角度进行测度，采用GDP与碳排放量的比值进行衡量［11］，后期主要从多要素角度切入，通过构建投入产出评价体系，采用DEA模型进行测算［12］。由于这类指标仅能反映碳排放与经济增长的关系，不能全面描述低碳发展水平，于是诸大建和刘国平［13］提出了碳福利绩效指标，代表单位碳排放带来的社会经济福利产出，采用人类发展指数与碳排放量的比值来表示。也有从多要素视角出发利用DEA模型测算，其中投入变量为劳动、资本和能源，产出变量为预期寿命和碳排放［14］。

综上，从价值链方面来看，当前GVC与NVC的关联研究较为完善，但大多是停留在经济层面的分析；与低碳发展相结合的研究主要从GVC切入，鲜有从双重价值链嵌入的角度进行研究。从碳福利绩效来看，单要素视角的研究较多，而从多要素视角出发的碳福利绩效测算较少。鉴于此，本文构建完善的碳福利绩效评价体系，从全要素的视角对中国各地区碳福利绩效值进行测算；引进国内价值链，并结合全球价值链，从区域的视角探讨GVC和NVC双重嵌入对碳福利绩效的影响，并基于空间计量模型进行实际验证。

1 理论分析

1.1 GVC嵌入对碳福利绩效的影响机理

GVC嵌入可能通过技术溢出效应、规模效应及低端锁定效应直接影响本地区碳福利绩效。（1）技术溢出效应。参与全球专业化分工可通过技术溢出促进技术进步，提高生产率水平，从而推动经济水平的提升。与此同时，经济增长可促进社会财富积累和政府收入的增加，使各地区有更多的资源完善社会保障体系和建设公共基础设施，从而提高当地居民生活质量，增进整体的民生福利水平。此外，技术提升有助于改进当地生产设备，提高资源使用效率和生产效率，推动产业结构向高级化和绿色化发展，从而实现经济与环境效益的双赢，故GVC嵌入可通过促进技术进步带动当地碳福利绩效的提升；（2）规模效应。参与全球垂直专业化分工有助于扩大当地的市场规模［15］，通过增加进出口贸易获得大量贸易额，为当地带来经济福利；另外，在GVC分工下专注于某一特定生产环节，有利于实现最优生产规模，由此降低生产成本，提高生产率水平［16］，从而推动本地区碳福利绩效的提升。此外，在实现规模经济的同时，经济体量的扩大在一定程度上也会引起碳排放的增加，从而抑制当地碳福利绩效的提升；（3）低端锁定效应。发达国家为巩固其在GVC上的主导地位，会对发展中国家设置贸易壁垒、实施技术封锁，将其生产活动限制在低端环节，阻碍产业结构向技术性和创新性更高的方向调整和升级，因此，大量低附加值高污染的生产活动会抑制发展中国家各地区碳福利绩效提升。

此外，本地区嵌入GVC也可能对邻近地区的碳福利绩效产生间接的影响，具体包括非自愿扩散效应、学习模仿效应［15］以及虹吸效应。（1）非自愿扩散效应。直接参与GVC分工的地区在获得GVC积极效应的同时，也会通过扩散、转移等途径给邻近地区带来经济方面的正外部效应［17］，具体而言，借助劳动力和资本在地区间的流动，使参与GVC分工的地区获得的先进技术与创新知识不断向外溢出，从而给周边地区带来经济发展的源动力，带动经济民生福利的提高，推动其碳福利绩效的提升；（2）学习模仿效应。邻近地区通过主动学习和模仿嵌入GVC地区获取的先进生产工艺和管理经验来推动自身技术进步，以此带动当地经济福利提升，而在经济福利提升的同时，民生福利水平也会实现进一步的提高；另外，邻近地区学习引入嵌入GVC地区得到的清洁生产技术，可以降低当地生产活动中的能耗与碳排放，从而促进其碳福利绩效水平的提升；（3）虹吸效应。国内部分地区通过与跨国公司合作、引入外资等方式参与GVC分工，使当地的发展水平快速提升，而这些经济水平较高的地区会形成对邻近地区包括人口、资本、产业在内的各种要素资源的吸引作用，由此造成周边地区生产要素流失，发展受限，进而不利于其碳福利绩效的提升。

1.2 NVC嵌入对地区碳福利绩效的影响机理

参与国内垂直专业化分工可能通过比较优势效应、资源整合效应以及污染天堂效应对各地区的碳福利绩效产生直接影响。（1）比较优势效应。完善国内垂直化专业分工网络，有助于发挥国内不同地区在区位、资源、劳动力及资本等多方面的比较优势，从而优化NVC分工格局，使各地区能够基于地缘资源禀赋和成本差异发展特色优势产业［18］，由此提高发展效率，促进碳福利绩效提升；（2）资源整合效应。各地参与构建国内分工体系，有助于打破地区间贸易和行政壁垒，破除地区市场分割，进而推动资金、人才、技术等资源的整合利用［6］，实现各地区各生产环节资源的最优配置，由此提高生产效率，促进当地碳福利绩效的提升；另外，内部资源的良好整合有助于形成完整的链式循环，基于此各地区可通过嵌入NVC汲取知识、技术和信息，为产业结构升级获取动力源，促进当地产业向高技术低污染方向转变，从而实现碳福利绩效的提升；（3）污染天堂效应。在国内垂直专业化分工下，中、西部由于技术条件落后，通常只会承接来自东部低附加值高污染的低端生产环节，或凭借资源优势从事上游资源能源供给，这将导致当地污染加重、碳排放增加，从而抑制其碳福利绩效的提升。

此外，本地区NVC嵌入对邻地的碳福利绩效也可能产生间接影响，其具体表现为产业关联效应、竞争效应和虹吸效应。（1）产业关联效应。在国内垂直专业化分工下，同一产品的生产工序在不同地理单元和产业主体之间被拆分成多个环节，并通过专业化分工将其有机整合起来，这有助于形成地区间产业前后向增加值关联，带动上下游地区产业发展［19］，进而提升产业关联地区的经济生产效率，促进其碳福利绩效的提升；另外，在NVC分工中，国内各地区的产业关联和经济联系趋于密切，本地区产能的扩张可能同时会引发邻地上下游产业产能的增加，使得邻地会因为产能提升而产生更多碳排放，从而抑制其碳福利绩效的提升；（2）竞争效应。在NVC分工下，相邻地区要素禀赋、制度建设等存在的相似性可能会导致经济发展出现较强的同质化问题，而同质化会导致竞争效应的出现，适度的竞争将激励相邻地区进行技术改进与创新，从而带动经济增长和降低碳排放，提高碳福利绩效； （3）虹吸效应。嵌入国内价值链程度较高的地区意味着承接了更多的国内生产环节，这将促进当地就业机会的增加和经济发展水平的提升。与此同时，这一态势将导致周边地区的人力、资本等要素向此类发展较快的地区流动，由此限制周边地区的发展，进而阻碍其碳福利绩效的提升。

1.3 GVC和NVC互动对碳福利绩效的影响机理

GVC和NVC嵌入在促进地区碳福利绩效提高时可能存在互动作用：（1）GVC嵌入在推动碳福利绩效提升时会受到NVC的调节作用：构建和完善国内价值链，可以充分整合和优化配置国内资源，借助国内市场培育高级要素并提高自身竞争力，从而破除发达国家的低端锁定，实现各地区更高水平的GVC嵌入［4］，以促进其经济增长和环境改善，进而实现当地碳福利绩效的提升；另外，完善的NVC体系将国内各地区置于一个专业化分工的网络下，通过搭建地区间生产要素流动及知识技术溢出的通道，实现嵌入GVC与非嵌入地区之间的交流合作［15］，由此增强GVC嵌入的“非自愿扩散”效应；（2）NVC嵌入在推动碳福利绩效提升时会受到GVC的调节作用：①参与GVC能进一步加强NVC的资源整合效应。根据雁阵理论，在参与全球专业化分工时，落后产能的向外转移可以让本国实现 “腾笼换鸟”，使国内资源更好地整合与配置在绿色环保且附加值高的生产环节，以此提升国内整体的绿色经济效率，促进碳福利绩效的提高；②通过参与GVC分工，国内各地区可以学习GVC的链条优势和网络优势并将其运用到国内价值链中，以此加强国内产业间的关联效应，提高NVC各环节的运作效率［6］，与此同时，将嵌入GVC过程中学习的清洁技术逐步应用到NVC中，可提高NVC整体的清洁性，从而促进国内整体碳福利绩效的提高。

综上，GVC与NVC嵌入对碳福利绩效的影响分为直接和间接效应两部分，且在这两部分中均包含正、负向两种影响，而最终的影响方向取决于两种力量的角力结果，这有待于后续的实际论证。此外，GVC与NVC在影响碳福利绩效过程中均会受到彼此的调节作用，以加强对碳福利绩效的提升。图1为上述所有影响机理的展示图。

图1 GVC、NVC嵌入对碳福利绩效的影响机理

2 指标构建、模型介绍与数据说明

2.1 指标构建

2.1.1 核心指标构建

（1）碳福利绩效。本文首先构建碳福利绩效评价指标体系（表1），然后采用超效率SBM模型从全要素视角进行测算。与既有文献相比［14］，本文的体系构建做了以下完善：投入要素中，除能源外，也考虑了水、土地资源；产出要素中，除预期寿命外，也涵盖了受教育年限和GDP指标。本文的碳福利绩效概念是指碳排放约束下的福利绩效，也就是在碳排放约束下，各地区投入一定量的自然资源和社会资源所带来的综合福利值。进一步，碳福利绩效的提升可以理解为，最少的资源投入转化为最大的民生经济福利和最小的碳排放。

表1 碳福利绩效评价指标体系

（2）价值链嵌入度。本文参考陈健等［20］的做法，根据已有的中国省域间投入产出表数据，运用RAS法估计出其他年份表，以形成时间连续的表序列，然后借鉴盛斌等［6］分解增加值并构建GVC和NVC嵌入程度指数：

2.1.2 控制变量选取

（1）城镇化率（UR）：采用城镇常住人口占常住总人口的比例表示； （2）社会性支出（SE）：用科技卫生支出占财政总支出的比重表示； （3）环境规制（ERS）：采用熵值法计算环境规制综合指数；（4）能源利用效率（EE）：用GDP与能源消耗量的比值表示；（5）外商投资水平（FDI）：用实际利用外商投资额占GDP的比重表示。

2.2 动态空间杜宾模型介绍

（1）空间权重矩阵设定。本文选择了空间计量模型中使用较为广泛的空间邻接矩阵（W1）和地理距离矩阵（W2）。

（2）基准模型设定。通过理论分析可知，GVC、NVC嵌入对地区碳福利绩效的影响存在空间上的相关性，鉴于此，本文初步选择空间杜宾模型为基准模型。此外，与静态模型相比，动态杜宾模型可以降低模型中的内生性和空间自回归系数的有偏性［21］，因此动态模型将是本文的最终选项，具体设定如下：

其中，i代表省（区、市），t代表时间，CWPit为碳福利绩效，GVCit、NVCit分别代表全球价值链和国内价值链嵌入程度，W为空间权重矩阵，controlit为控制变量，μt、γt分别表示个体固定效应和时间固定效应，ξit为随机扰动项。此外，借鉴苏丹妮等［22］构造GVC嵌入与NVC嵌入的交互项来考察GVC与NVC在影响碳福利绩效时存在的互动效应。

2.3 数据说明

本文的研究对象为30个省（区、市）（考虑到数据的可获得性，不包括西藏及港、澳、台地区），时间区间为2005～2020年，计算GVC和NVC嵌入度用到的数据来源于中国统计局和CEADs发布的中国省域间投入产出表、OECD发布的世界投入产出表，计算碳福利绩效的数据来源于Wind数据库、CSMAR数据库、《中国统计年鉴》等。由于本文所使用的数据大都来自新冠肺炎疫情发生之前，故疫情对本文实证结果并无明显影响。

3 实证分析

3.1 碳福利绩效与价值链嵌入度的测度分析

碳福利绩效测算结果显示：在时间演变趋势上，研究期间内中国整体碳福利绩效呈 “N”型的波动态势：在2005～2007年间，全国整体碳福利绩效水平呈现上升趋势；之后受2008年金融危机的影响，经济发展放缓，节能减排的力度减小，故2008～2012年的碳福利绩效表现为下降态势；2012年以后，经济发展较为稳定，且在 “十二五”期间，国家进一步制定了严格的节能减排目标，故碳福利绩效呈缓慢上升的态势。在空间分布上，碳福利绩效表现出非均衡的特征：（1）北京、上海等发达地区碳福利绩效较高；（2）由于植被覆盖广、污染性产业相对少，海南、重庆等地也表现出较高的碳福利绩效；（3）辽宁、江苏等地碳福利绩效相对较低，可能是因为这些省（区、市）为经济民生福利的提升付出了沉重的资源消耗及碳排放的代价；（4）内蒙古、甘肃等地由于自然资源消耗大、经济产出少，故表现为较低的碳福利绩效。

通过整体观察GVC、NVC嵌入度的测算结果发现，大部分省（区、市）GVC嵌入呈现下降态势，而NVC嵌入呈上升态势。为进一步观察各地价值链嵌入的情况，本文计算了2005～2020年30个省（区、市）GVC、NVC嵌入度的平均值并绘制出图2。如图所示，广东、山东、福建等地的GVC嵌入度较高，均在 0.5以上，而NVC嵌入度则均低于0.4，表明东部便利的交通条件有利于开展对外贸易和承接别国外包的生产环节，因此其更多参与到GVC分工中而较少参与NVC分工；相反，陕西、山西及青海等地NVC嵌入度大于0.5，而GVC嵌入度则低于0.3，说明中西部内陆地区因为受区位和政策条件的制约，参与GVC的机会较少，大部分生产活动基于国内分工展开。

图2 中国30个省市2005～2020年全球价值链、国内价值链嵌入程度平均值

3.2 空间相关性检验

为了识别各地区间GVC、NVC嵌入及碳福利绩效的空间自相关性，将运用全局莫兰指数（Moran's I）对2005～2020年的碳福利绩效、GVC和 NVC嵌入度进行检验。除个别年度外，3个核心变量的Moran's I在样本期内均显著为正，表明各地区在嵌入全球价值链和国内价值链时呈现较强的空间聚集模式，同时碳福利绩效在空间上也存在依赖性。

3.3 模型选择的检验结果

本文进一步对空间计量模型进行检验与选择（表略）：（1）从LM检验结果可知，在两种矩阵下， LM-error、 Robust LM-error、 LM-lag及 Robust LM-lag均通过了5%的显著性检验，说明可以选择空间计量模型进行实证分析；（2）从LR的检验结果来看，LR-error和LR-lag均在1%的显著性水平下显著，说明空间杜宾模型优于空间滞后模型和空间误差模型；（3）Hausman检验的通过表明固定效应模型优于随机效应模型；（4）LR检验结果表明模型同时存在个体和时间固定效应。

3.4 空间杜宾模型回归结果

通过对比静态与动态空间杜宾模型的回归结果可知（表略），动态模型的决定性系数（R2）明显高于静态模型，表明前者有更好的拟合效果，故在研究GVC与NVC嵌入影响碳福利绩效时不能忽略动态效应。此外，碳福利绩效时间滞后项（L.CWP）系数显著为正，表明碳福利绩效存在时间惯性；同时，碳福利绩效的空间滞后项（W*CWP）也显著为正，表明地区间的碳福利绩效存在较强的空间依赖性；另外，GVC的系数正向显著，表明GVC嵌入有助于碳福利绩效的提升，同时GVC与NVC的交互项显著为正，说明两者的互动对碳福利绩效有显著促进作用；最后，从空间滞后项来看，W*GVC、W*NVC的系数分别表现为正向、负向显著，表明本地区参与GVC会对邻近地区的碳福利绩效产生正向影响，而参与NVC则产生负向影响。

3.5 空间效应的分解结果

使用点估计检验空间溢出效应会导致模型估计偏误［23］。为了得到准确的空间溢出效应，本文借助偏导数将价值链嵌入影响碳福利绩效的总效应分解为直接、间接两种效应来分析（表2）。

表2 动态空间杜宾模型效应分解

从全球价值链嵌入对碳福利绩效的影响来看：（1）GVC的直接效应系数都为正且通过了显著性检验，表明嵌入GVC能显著促进当地碳福利绩效的提升，由此也说明嵌入GVC产生的正向影响大于负向影响，即技术溢出效应和规模效应发挥了较大的正向作用； （2）GVC嵌入的间接效应系数在10%的显著性水平下为正，说明本地区嵌入GVC对相邻地区碳福利绩效产生了显著的正向溢出效应，由此也可推断出，相比于虹吸效应的抑制作用，模仿学习效应和非自愿扩散效应对邻近地区产生了更明显的促进作用。从国内价值链嵌入对碳福利绩效的影响来看：（1）NVC嵌入的直接效应系数为正但不显著，说明嵌入NVC对碳福利绩效的促进作用并不明显，同时也表明NVC嵌入产生的正负向影响相当，可能的原因是，中国的国内价值链分工尚未完善，全国范围内的资源没能实现有效整合，限制了各地区生产效率的进一步提高，从而导致各地区在参与NVC时没有显著促进碳福利绩效的提升；（2）NVC嵌入的间接效应系数显著为负，表明本地区参与NVC分工会显著抑制相邻地区碳福利绩效的提升，由此也说明嵌入NVC产生的负向溢出明显大于正向溢出。从GVC与NVC两者互动对碳福利绩效的影响来看：（1）GVC与NVC交互项的直接效应系数在1%的显著性水平下为正，说明在研究期间内GVC和NVC在促进碳福利绩效提升时表现为良性互动，这印证了前文的理论分析。

控制变量的效应分解结果显示：从直接效应来看，环境规制（ERS）的系数显著为正，表明环境规制程度加深会促进当地碳福利绩效水平的提升；社会性支出（SE）的增加对碳福利绩效具有显著的正向推动作用。从间接效应来看，社会性支出的系数为负且在10%的显著性水平下显著。

3.6 异质性分析

（1）区域异质性分析。将中国30个省（区、市）划分为东、中、西部进行异质性分析（表略）。从参与GVC的直接效应来看，两大地区的系数均显著为正，但东部回归结果的显著性明显高于中、西部。可能的原因是：东部便利的交通条件更有利于开展对外贸易和承接别国外包的生产环节，因此通过GVC嵌入能学习到跨国公司的技术溢出，从而促进碳福利绩效提高。对中、西部来说，通过提供资源和原材料的方式嵌入GVC促进了当地经济福利的提升，但资源的开发利用也导致了碳排放的增加，因此在两种作用的共同影响下，GVC嵌入对中、西部碳福利绩效的促进作用有限。在国内价值链分工中，东部的NVC嵌入对碳福利绩效的影响显著为正，中、西部则不显著，这可能由于东部和中、西部在NVC中的不同分工所造成。从GVC与NVC的交互作用来看，东部的直接效应系数显著性为正，而中、西部则不显著，表明GVC和NVC的互动作用仅显著推动了东部地区碳福利绩效的提升。

（2）要素密集度异质性分析。将30个省域划分为高、低要素密集度地区两部分进行异质性分析（表略）。结果显示，不同要素密集度地区嵌入GVC对当地碳福利绩效均有显著正向影响；从间接效应来看，低要素密集度地区嵌入GVC会产生显著的负向溢出效应；从GVC与NVC的交互作用来看，仅有高要素密集度地区结果显著为正。

3.7 稳健性检验

本文通过以下3种方法来检验结果的稳健性（表略）：（1）以各省（区、市）GDP为基准构建经济距离矩阵进行检验；（2）剔除胡焕庸线左侧的6个省（区、市），以其右侧的地区为样本进行稳健性检验；（3） 采取Wang等［14］的方法重新测算碳福利绩效值，带入回归方程进行检验。总体来看结果与前述的研究基本一致，表明估计结果具有一定的稳健性。

4 主要结论与政策启示

本文采用30个省域2005～2020年的数据计算了各地GVC与NVC的嵌入程度以及碳福利绩效值，然后利用动态空间杜宾模型实证研究了GVC、NVC嵌入及两者互动对碳福利绩效的影响，得出以下结论：（1）中国的碳福利绩效呈现出“N”型波动态势，且空间上表现为非均衡分布；（2）各地GVC嵌入呈下降态势，NVC嵌入呈上升态势，且东部GVC嵌入度高于NVC，中、西部则相反；（3）嵌入GVC会显著提高本地碳福利绩效，同时对邻地产生正向溢出效应，而嵌入NVC对本地碳福利绩效没有显著影响，但对邻地则显著为负。此外，GVC与NVC的互动对碳福利绩效产生显著的正向影响；（4）分地区来看，GVC、NVC嵌入及两者互动均对东部有明显的正向影响，对中、西部而言，则只有GVC嵌入的正向影响显著；从要素密集度来看，GVC嵌入在高、低两类地区的直接效应都显著为正，而在低要素密集度地区的间接效应显著为负，此外，在高要素密集度地区GVC与NVC互动有显著正向影响。

基于所得的主要结论，得到如下的政策启示：

（1）构建并完善NVC，且继续鼓励各地区积极参与GVC，同时推动两者的良性对接，以期推动碳福利绩效的提升。①国家应合理布局产业分工，促使东部地区利用高级要素进行科技创新与技术攻关，引导中、西部结合自身比较优势承接东部产业，通过整合要素资源完善其分工体系。而在构建NVC的过程中，可以利用当前存在的虹吸效应培养 “增长极”，通过辐射效应和产业间的连锁效应带动周边地区发展，进而降低虹吸效应的负面影响；②鼓励各地区积极参与GVC，引进和学习国外先进低碳技术，促进各生产环节的清洁化和低碳化；③构建内外联动的开放格局，营造开放、包容的制度环境，促进国内与国外、地区和地区间的分工合作，形成有利于GVC与NVC衔接的生产网络。

（2）东部应主导建设NVC，提升自身碳福利绩效的同时带动中、西部的发展，中、西部则应进一步提高GVC参与水平，并发挥比较优势参与NVC分工。①东部应加大政策、资金的支持力度，培养和扶植具有发展潜力的企业，鼓励其通过兼并、收购或加强国际合作等方式提高企业实力，使其成为带动NVC发展的龙头企业；②扩大中、西部对外开放水平，通过完善内陆交通运输体系、增设自贸区的方式推动内陆地区与周边国家的经贸合作；③中、西部应结合当地比较优势承接东部转移的行业，同时加大政策扶持力度，使这些行业逐渐成为当地新的经济增长点。