中国工业碳排放的网络结构及影响因素研究

关 伟，王 勇，许淑婷

（辽宁师范大学 地理科学学院，辽宁 大连 116029）

0 引言

气候变化问题是当今人类社会发展面临的最严峻挑战之一，严重影响着人类社会的可持续发展。近年来，随着越来越多的地区实现工业化与城市化，大气污染物和温室气体的排放与日俱增，导致环境问题愈发严重，制约着各国社会经济的进一步发展。为此，世界各国多次召开气候变化大会，制定了一系列的环保政策和法律法规，以遏制温室气体的排放。中国政府积极响应国际社会的环保号召，将节能减排落实到行动中。在“十二五” “十三五”和“十四五”能源发展规划中，节能减排和提高能源利用率一直是我国能源战略的重点。“十四五生态保护监管规划”强调落实碳达峰、碳中和的目标和要求，推进陆地生态系统、海洋及海岸带等生态保护修复与适应气候变化协同增效；建立碳汇监管体系，巩固提升生态系统的碳汇能力。“二十大报告”中强调要发展绿色低碳产业，积极稳妥推进碳达峰碳中和，积极参与应对气候变化全球治理。工业是国民经济的主导，同样也是碳排放最集中的领域。从网络结构的角度探究工业碳排放问题，为区域合作协同治理，更好地落实双碳目标提供了政策依据。此外，对于推进工业部门绿色低碳发展，降低我国整体碳排放水平都具有重要意义。

在此背景下，国内外学者从不同视角、尺度，采用多种方法和模型对碳排放问题进行了一系列的研究，为环境治理工作提供了理论基础与科学依据。这些研究主要包括以下4个方面：1）碳排放的估算方法。主要有：IPCC碳排放清单估算法（王少剑等，2021；Xu等，2021）、投入产出表（王丽萍等，2018）和生命周期法 （赵若楠等，2020）。其中，IPCC碳排放清单估算法是目前国际上使用最多的一种估算方法。2）碳排放的分布特征及在空间上的演变。学者们运用马尔科夫矩阵（王少剑等，2018）、标准差椭圆 （高长春等，2016）、Kernel密度估计（刘华军等，2021），探索性空间数据分析和时空跃迁方法（关伟等，2020）等方法分析碳排放的空间分布和演变规律。研究发现，各地区的碳排放表现出显著的地域分异特征，碳排放区域之间具有空间关联性，并具有空间溢出效应等机制。3）对影响因子的分析。碳排放的影响因子历来是学术界关注的焦点。它的研究方法和模型包括：对数平均权重分解（LMDI）（刘卫东等2021；黄羿等，2021；姜宛贝等，2019；何艳芬等，2020）、结构分解分析法 （SDA） （Xu等，2021）、KAYA等式及它的变形：IPAT模型（曲建升等，2017）与STIRPAT模型（高新伟等，2020；Wang等，2022）、环境库兹涅茨曲线（EKC） （王凯等，2018）、空间计量模型（李硕硕等，2022；Liu等，2018），加权回归模型（王凯等，2021；朱灵伟等，2019）等。总的来看，碳排放的影响因素可以归纳为技术、规模、结构三大类。4）碳排放峰值预测的研究。关于碳排放预测最常用的方法是建立碳排放与影响因素的关系模型，利用情景分析法进行碳排放峰值的预测，其中最具代表性的是STIRPAT 模 型 及 IPAT 模 型。如：吴 青 龙 等（2018）、田泽等（2021）等运用STIRPAT模型，尹龙等（2021）等运用IPAT模型分别对我国不同区域的碳排放峰值进行了预测。随着研究的深入，以及社会网络分析法被引入到地理学领域，用于研究分析地理问题。碳排放的网络结构逐渐成为另一重要研究方向，并为我国以区域协同为基础的节能减排工作提供了依据，如王凯等（2020）借助修正的引力模型和社会网络分析法，理清中国旅游业碳排放效率的空间网络结构，王晓平等（2020）基于社会网络分析法分析了成渝城市群碳排放的空间关联结构的演化，郑航等（2020）运用社会网络分析法分析了珠三角城市群碳排放的空间关联网络结构。

从碳排放行业看，工业是我国碳排放第一大行业。因此，降低工业企业的碳排放，对于降低我国碳排放的整体水平和实现节能减排目标都有着重要意义。目前，国内外关于工业碳排放的相关研究大多侧重于时空演变及其影响因素分析（王少剑等，2021；王霞等，2020；蔺雪芹等，2021），或者从分行业角度对工业碳排放问题进行探讨（边宇等，2021；田华征等，2020），缺少对各省域工业碳排放的空间关联性与网络结构方面的研究。致使制定的减排政策缺乏考虑各区域之间的关联性，不利于我国制定符合地方特点的差异化减排政策。基于此，本文利用引力模型和社会网络分析法对我国工业碳排放进行网络结构分析；利用二次分配法（QAP分析）探究工业碳排放空间关联的影响因素。本文边际贡献主要有：1）将社会网络分析法引入到工业碳排放的研究中，弥补了其在网络结构方面研究的不足，拓展了社会网络分析法的应用领域；2）表达了区域合作的必要性，为地方政府间开展以区域合作为基础的节能减排工作提供了依据与参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 引力模型与空间矩阵的确立

引力模型是目前广泛使用的一种典型的空间关联模型，它经常被用于描述网络的动态化趋势。本文参考王凯等（2020）、刘佳等（2018）等人的研究成果，构建修正的引力模型以此测算工业碳排放的空间关联度。其公式为：

式中：Yij为i、j省之间工业碳排放的关联强度；kij为系数；Ai、Aj为i、j省的工业生产总值；Ci、Cj为i、j省的工业碳排放量；Dij为i、j省之间的“距离”；dij为i省与j省的省会城市之间的距离；gi、gj为i、j省的人均工业产值。根据Yij构建中国工业碳排放的省级空间关联矩阵，公式如下：

1.1.2 社会网络分析法

本文基于社会网络分析法从整体网络特征、网络中心性、核心-边缘结构三方面对中国工业碳排放进行社会网络分析。其中，社会网络分析法、整体网络特征、网络中心性及核心-边缘结构模型等具体概念见参考书籍（刘军，2014）的有关章节。

1.1.3 QAP分析

QAP分析是在社会网络视角下，一种对两个矩阵中各要素的相似性进行比较的方法，即它通过对矩阵中的要素比较，得出两个矩阵之间的相关系数，并对该系数进行非参数检验，它以变量之间的“关系”为研究基础。QAP分析法主要有：QAP相关分析和回归分析。QAP相关分析用于研究两个矩阵之间是否具有相关性；QAP回归分析考察多个矩阵和一个矩阵之间的回归关系，并且评价该系数R2的显著性（刘军，2014）。本文选取工业化水平（X1）、科技水平（X2）、能源强度（X3）、产业结构（X4）、能源工业（X5）5个变量为工业碳排放的影响因素（表1），然后用QAP相关分析和回归分析对变量构建的差异矩阵进行研究。

表1 变量定义Table 1 Definition of variables

1.2 数据来源

本文所用的2005—2019年碳排放数据来源于中 国 碳 排 放 数 据 库 CEAD （http：／／www.ceads.net／），在相应年份中国省级碳排放清单中计算得出。社会经济数据来源于《中国统计年鉴2006—2020年》 （不包括2018年工业生产总值），而2018年工业生产总值数据来源于各省市的统计年鉴，以及国民经济和社会发展统计公报。因考虑统计数据的完整性，研究时间截止到2019年。省会城市之间的距离利用ArcGIS在标准地图-审图号GS（2020）4619号上计算得出。研究对象为中国大陆30的省市自治区（不包含港澳台和西藏地区）。

2 中国工业碳排放的社会网络分析

2.1 整体网络特征分析

本文利用UCINET6.0软件对中国工业碳排放进行社会网络分析，并通过该软件的网络分析模对其块进行了整体网络特征分析、网络中心性分析和核心-边缘结构分析。选取2005年、2010年、2015年、2019年4个时间节点，运用网络可视化NetDraw功能做出了中国工业碳排放的社会网络演变图。结果如图1所示，中国省域的工业碳排放不存在孤立的省份，各省份的工业碳排放在空间上普遍存在联系性，并呈现网络化结构特征.随着时间的推移，各省间的联系更加密切，不仅邻省之间发生空间联系，非邻省之间也发生了复杂的空间联系。各省份之间相互影响、相互作用，使空间网络结构更加复杂多样。

图1 中国工业碳排放社会网络图Fig.1 Social network diagram of China's industrial carbon emission

图2显示，2005—2019年中国工业碳排放的网络密度并非一直上升，日趋紧密，它大致呈“N”字型变化趋势。在2005—2008年，网络密度呈上升趋势，由2005年的0.235 6上升到2008年的0.247 1；2008—2015年网络密度大致呈下降趋势，2015年降低到0.226 4；2015年之后网络密度再次上升，2019年达到0.250 6，说明了各省市之间空间关联具有多变性与复杂性。网络密度除2019年，其余年份均未超过0.250，处于较低水平，说明其空间网络结构紧密性不高，还有很大的上升空间。空间关联度则整体保持上升趋势，从2005年的0.434上升到2019年的0.540，说明各省市间的相互联络程度愈发增强。随着各省市产业结构的调整，以及区域间产业转移、产业合作日趋频繁，各省份间的空间关联程度将会愈发增强。故降低中国工业碳排放水平，需要各省市加强区域合作，协同治理。制定减排政策时，不仅局限于本区域的碳排放治理，还要考虑与本区域联系密切的其他区域的碳排放情况。

图2 中国工业碳排放整体网络特征分析Fig.2 Overall network features of China's industrial carbon emission

2.2 网络中心性分析

各省份的网络中心性分析结果如表2所示。度数中心度用于判别哪些省市处于社会网络的中心位置，该值越高，与其发生联系的省市数量也就越多。度数中心度取值范围集中在［10，90］，最小极值是6.897，最大极值93.103，反映了不同省市在社会网络中的地位有较大差异，各省市在社会网络中的地位也在不断变化。平均值由2005年的37.931下降到2019年的37.011，说明网络中的关联关系略有下降。始终高于平均水平有江苏、山东、浙江和天津四省市；另外，上海、山西、内蒙古等省市的度数中心度在较长时间内保持较高值，这些省市多数集中在东部地区。东部地区因经济水平和科学技术等方面具有显著优势，工业产业相对中西部更为发达，产生了虹吸效应，工业聚集现象显著，之间的联系更加广泛，故多数东部省份在社会网络中占据中心位置。宁夏、青海、甘肃等西部省份度数中心度则始终低于平均值，反映了西部地区在社会网络中处于劣势地位。

表2 中国工业碳排放的网络中心性分析Table 2 Network centrality analysis on China's industrial carbon emission

接近中心度反映了各省市发生空间联系的难易程度，该值越高，则该省市越容易发生空间联系。与度数中心度不同，接近中心度数值具有集聚特征，多数聚集在60上下，取值范围集中在［50，70］；平均值由2005年的62.955下降2019年的61.805，高于平均值的省份数量保持在7至10个，各省份的变化幅度略小于度数中心度，说明各省市发生空间联系的难易程度保持稳定。接近中心度始终高于平均值的省份有江苏、浙江和山东三省；另外，上海、天津、内蒙古等省份的接近中心度长期处于前列。这些省份凭借先进的工业技术、便捷的交通或丰富的资源发展为工业中心，得以在社会网络中扮演者中心行动者的角色，更易于其他省份发生空间联系。

中间中心度表示各省市对资源和信息的控制力，该值越高，则该省市控制的信息和资源越多。中间中心度的取值范围集中在［0，5］，平均值由2005年的2.217增长到2009年的2.291，变化幅度在3个指标中最小；极差则由15.455扩大达到21.584，说明各省市对资源和信息的控制程度出现极化现象，江苏、浙江等省市控制力愈发增强。中间中心度一直高于平均值的省份只有江苏和浙江两省，而内蒙古、山东、上海、天津等省份的中间中心度长期处于较高值。江苏、浙江、山东等东部省份的工业发展历史悠久、基础优越、种类齐全，与国际市场联系更加密切，得以发展成工业大省，它们控制着更多的信息、市场等社会经济资源。内蒙古等中西部省份，靠近资源产地，凭借资源禀赋优势发展为著名的工业基地，它们则是控制更多的自然资源。

2.3 核心—边缘结构分析

由核心—边缘结构分析（表3）可知，2005—2019年中国工业碳排放空间网络的核心区与边缘区规模大体保持稳定状态，核心区由2005年的19个省份缩小到2019年的17个，边缘区相应的由11个省份增加到13个。东部沿海省份多集中在核心区，边缘区多为中西部省份。东部地区由于其得天独厚的自然环境和社会经济条件，工业发达，极化效应显著，碳排放规模大且集中，故而成为核心区。中西部地区的经济水平和工业化程度相对较低，边缘区多为中西部省份。中西部地区需要调整产业结构，加快工业化进程，提升工业化水平。北京市是我国的行政中心，环保意识与要求相对较高，工业碳排放较少，并且从2010年工业碳排放持续降低，节能减排工作成果显著。故其虽属于东部发达省份，但长期处于边缘区。

表3 中国工业碳排放空间网络的核心—边缘结构分析Table 3 Core-marginal structure of spatial network of China's industrial carbon emission

在密度矩阵（表4）中，核心区内部间具有很强的联系，其网络密度远大于边缘区内部间的网络密度。处于核心区的省份多数位于地形平坦交通便利的东部地区，产业转移便利，扩散效应显著，工业产业结构更具相似性，联系更加紧密。但是，边缘区内部、核心区与边缘区之间的网络密度增速比核心区内部更为迅速。原因是：核心区的东部沿海省份经济发展到一定瓶颈后，往往会对产业结构进行优化升级，将大量工业迁移到中西部地区，促进了中西部地区的工业化进程。虽然边缘区内部的联系呈上升趋势，但仍处于较低水平，说明边缘区的空间网络需要进一步优化。

表4 中国工业碳排放核心—边缘结构的密度矩阵Table 4 Densitymatrix of core-marginal structure of China's industrial carbon emission

3 QAP分析

3.1 QAP相关分析

在QAP相关分析中，相关系数越大，二者之间的关联程度越高，分析结果如表5所示。其中，工业水平、科技水平、产业结构、能源工业这四个变量均在10%的显著水平上通过检验，表明这四个变量与工业碳排放空间关联之间具有显著的相关性。工业化水平、产业结构、能源工业相关系数呈正值，表明它们与工业碳排放网络结构呈正相关关系；科技水平的相关系数呈负值，表明它与工业碳排放空间关联网络呈负相关关系。对工业碳排放影响最大的是科技水平，说明工业技术的进步能够有效控制工业碳排放的增长。能源强度相关系数很低，且为未通过10%的显著水平检验，表明它与工业碳排放关联关系的相关性不高。但影响因素的相关性分析（表6）表明，各影响因素间也有相关性，导致了多重共线性问题，造成研究误差。而回归分析则避免这种问题，研究结果更加准确。

表5 QAP相关分析Table 5 QAP correlation analysis

表6 影响因素的相关性分析Table 6 Factors correlation analysis

3.2 QAP回归分析

在QAP回归分析中，标准化回归系数越大，二者之间的关联程度越高。分析结果如表7所示。拟合优度R2达到0.641，回归结果较为理想，这说明工业水平、科技水平、能源强度、产业结构、能源工业5个变量可以解释工业碳排放空间关联关系的64.1%。影响因素从大到小依次是：科技水平、工业化水平、能源工业、能源强度、产业结构。具体而言，只有产业结构未通过10%显著水平检验，表明产业结构未对工业碳排放的空间关联产生显著影响；但是，随着高新技术产业等新型产业的发展，未来产业结构可能与工业碳排放空间关联呈负相关关系。其他4个变量：工业化水平、科技水平、能源强度、能源工业规模都通过5%显著水平检验，与工业碳排放的空间关联具有很强的相关性。

表7 回归分析结果Table 7 Regression results

其中，工业化水平和科技水平的标准化回归系数呈负值，与工业碳排放空间关联呈负相关关系。科技水平的标椎化回归系数最大，说明它对工业碳排放的影响最大。增加工业科研经费，推动工业减排技术的进步，可以有效改善工业企业的能效，从而降低工业企业的碳排放。高水平的工业化的可以优化资源配置，提高能源利用率，从而减少工业碳排放。能源强度和能源工业的标准化回归系数呈正值，与工业碳排放空间关联呈正相关关系。能源强度对碳排放也有着很大影响，降低能源强度，提高能源效率是最有效的途径。能源企业提供了社会经济发展所必需的煤、石油、天然气等一次能源，但在一次能源的生产过程中伴随着大量的碳排放。为此要加强对能源工业的升级改造，加强先进技术的推广和应用，全面推动实现产业结构的高端化与生产过程的清洁化转型。同时，还要优化能源的生产与消费结构，大力发展绿色可再生能源，推动能源生产与消费绿色低碳化转型。

4 结论和建议

本文以中国大陆30个省份为实证，运用引力模型和社会网络分析法对2005—2019年中国工业碳排放网络结构分析，利用QAP法对其影响因子进行探究，得到以下结论。

1）从网络整体特征看，中国工业碳排放的网络密度和关联度总体呈上升趋势，各省份之间的空间相关性日益增强。各省市的节能减排工作不仅要考虑本省市的情况，还要考虑与其关联省份的情况，实现区域协同治理。

2）从网络中心性分析看，江苏、浙江、山东、天津等东部省份因其自然、社会经济条件优越，工业发达，在空间网络中占据中心性地位，不仅更容易与其他省份发生多样化的联系，还控制着更多的信息与资源。中西部地区除内蒙古等少数省份外，绝大多数在网络结构中处于劣势地位。东西部工业化程度处于不平衡状态，国家需加大对西部地区的支持，提升其工业化水平。

3）由核心—边缘结构分析知，东部地区在核心—边缘结构中居于核心地位，内部关联度较高，但核心区与边缘区、边缘区内部的联系也日益密切。东部工业程度远高于西部，西部省份的工业化发展速度迅速，但和东部地区相比仍有较大差距。

4）QAP回归分析显示，工业化水平、科技水平、能源强度、产业结构和能源工业五个变量的差异促进工业碳排放空间关联关系的形成。其中，工业化水平、科技水平与工业碳排放之间呈负相关关系，能源强度、能源工业与工业碳排放间均存在显著地正相关，而产业结构的相关性不显著。碳排放的影响因素是多方面，我们要不断深化对其的研究，通过影响因素要素的调整，降低碳排放。

基于上述结论，提出以下节能减排建议。

1）正确认识碳排放的空间网络结构特征，创新环境治理思路，推动节能减排理念由“局部”向“整体”，由“点”向“线”再向“面”的转变，实现区域协同治理。为此，中央政府要发挥好宏观调控与统筹全局的作用，促进各省市在产业、技术、资金等多方面、全方位的交流与合作。各省市结合自身实际情况，发挥各自优势，加强区域合作与区域协同治理。正确认识各自在在网络结构中的地位与作用，制定的节能减排政策时需考虑其关联省份的情况，要有“整体观”，处于中心地位的发达省份需要承担更多减排责任，位于边缘区的省份在提升工业化水平的同时要注重环保工作。

2）东部发达省份要发挥其在网络结构中的中心性作用，对与其关联密切省份的要加大节能减排的支持与引导；另外，充分利用自身的经济科技等方面的优势，大力发展新型产业，促进经济朝着绿色低碳方向转型。中西部省份相应地要积极引进资金、技术等生产要素，制定科学有效的节能减排政策，减少工业碳排放。

3）在优化网络结构的同时，发挥核心区的辐射带动与试点的示范作用，在降低本区域碳排放的同时，积极支持边缘区域的节能减排工作。边缘区地方政府要做到经济发展与环境保护工作并重，不可为发展经济牺牲生态环境，要加大对高耗能高碳排放企业的升级改造，加快发展方式的绿色转型。

4）探究工业碳排放的影响因子，发挥其积极作用以降低碳排放。重点关注科技水平的影响，推动节能减排技术和能源效率的提高。此外，要加快经济发展方式绿色转型，优化产业结构，着重加强对能源工业的优化升级，促进工业部门向绿色低碳方面转型，全面提升企业绿色发展能力。