EN中文

Economic geography >

2021 , Vol. 41 >Issue 3: 49 - 57

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.03.005

Trade Embodied Carbon Emissions and Its Effects of China：Take the Yangtze River Economic Belt as an Example

  • HUANG Heping , 1 ,
  • YI Mengting 1 ,
  • CAO Junwen 2 ,
  • ZOU Yanfeng 3 ,
  • HUANG Xianming , 4, ※
Expand
  • 1. School of Economics / Institute of Ecological Economics，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China
  • 2. School of Statistics，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China
  • 3. School of Business and Administration，Jiangxi University of Finance and Economics，Nanchang 330032，Jiangxi，China
  • 4. School of International Economics and Trade，Jiangxi University of Finance and Economics，Nanchang 330013，Jiangxi，China

Received date: 2020-04-08

  Revised date: 2020-12-21

  Online published: 2025-04-30

Fold

Abstract

Clarifying the embodied carbon emissions of regional trade in the Yangtze River Economic Belt is of great significance for the formulation of fair and effective carbon emission reduction programs, it can measure embodied carbon emissions more accurately by the gross trade accounting system. Based on the above, this article applies the multi-region input-output model to calculate the embodied carbon emissions of the 11 provinces and cities in the Yangtze River Economic Belt in 2007,2010,2012 and 2015,and analyzes the influencing factors by the means of the logarithmic mean divisia index (LMDI). The results showed that: 1) Overall,the embodied carbon emissions was rising obviously in the Yangtze River Economic Belt; at the provicial and prefectural level,the embodied carbon emissions showed a increasing trend from the west to the east. It showed the upward trend in most provinces and cities from 2007 to 2012 and the downward trend in 2012-2015,or the growth rate began to slow down significantly in 2012-2015. 2) Based on the sub-sector,it showed that the proportion of embodied carbon emissions relatively transferred from the heavy manufacturing and energy industry sectors,and most sectors' embodied carbon emission showed an upward trend. Since 2012,many sectors have begun to reduce their embodied carbon emissions,especially in the industrial sectors. 3) Among the factors affecting the embodied carbon emission in the Yangtze River Economic Belt,the scale effect has always been the main factor leading to the increase in the amount of embodied carbon emissions; the structural effect experienced two changes: from positive effects to negative effects,from negative effects to positive effects; the intensity effect transformed from negative effects to positive effects and then to negative effects,sub-sector results are roughly the same as overall results.

Key words： embodied carbon emissions; gross trade accounting method; multi-region input-output model; LMDI; Yangtze River Economic Belt; scale effect

Cite this article

HUANG Heping , YI Mengting , CAO Junwen , ZOU Yanfeng , HUANG Xianming . Trade Embodied Carbon Emissions and Its Effects of China：Take the Yangtze River Economic Belt as an Example[J]. Economic geography, 2021 , 41(3) : 49 -57 . DOI: 10.15957/j.cnki.jjdl.2021.03.005

自21世纪以来，全球变暖已经成为世界各国关注的热点，碳排放被公认为是引起全球变暖的重要原因。目前中国已成为世界第一大碳排放国家[1]，其碳排放量的迅猛增长引起了世界各国的关注，面临着巨大的减排压力。在《巴黎协定》中，中国承诺到2030年碳排放达峰。为了实现这一目标，需要将减排责任落实到各个地区。中国区域间贸易往来密切，区域间碳排放转移日益加剧，这就需要对因区域间贸易而产生的隐含碳排放量进行合理的估算[2]。长江经济带是我国重要的内河经济带，横跨东、中、西三大区域，覆盖11个省市，作为中国区域发展“三大战略”之一，不仅对中国社会经济发展起着领头羊作用，对实现中国碳减排目标同样具有重要意义[3-4]。而能源利用与碳排放特别是其强度约束政策能够显著降低空气污染浓度，改善区域特别是城市的空气质量[5]，合理的产业及能源结构在一定程度上能促进经济的发展和生态环境的改善[6-7]。鉴于此，研究长江经济带各省市总体及各部门调出隐含碳排放量及其影响效应具有现实意义。
目前针对隐含碳排放的测算方法主要有两种：一是生命周期法[8-9]，生命周期法可以深入分析产品各环节碳排放，但是数据的获取及整理复杂，因此采取这种可行性小、工作量大的研究方法的学者较少[10]。另一种测算方法是投入产出法，前期使用的是单区域投入产出（SRIO）模型[11-12]，该方法假设技术是同质的，没有考虑生产过程中投入的中间产品，使得计算结果与实际情况之间存在较大偏差[13]。随着投入产出法的进一步完善，学者们开始使用多区域投入产出（MRIO）模型进行测算[14]，该方法减少了单区域投入产出模型因为假定技术同质而产生的偏误[13]。
随着价值链分工的深入发展，学者们开始认为与传统的贸易统计方法相比，增加值贸易统计体系的统计口径为价值增值，能更加准确地反映国家或地区参与分工的获益程度，价值增值也越来越成为分析贸易利益的重要来源之一[15]。因此，基于增加值贸易视角，能更准确地测算区域间贸易碳排放分割情况。目前已经有部分学者将增加值贸易与碳排放结合进行相关研究并取得了一定的成果。李艳梅等测算了京津冀区域内贸易的隐含碳排放及经济收益[15]，该核算方法是在Koopman等提出的总贸易流量分解方法[16]的基础下进行的；随后Wang等提出了总贸易核算法[17]，这被视为增加值贸易核算研究的关键性进展，潘安等将该方法用于对外贸易隐含碳测算研究中，分别测算了中日、中美的贸易隐含碳排放[18-19]。
同时，也有不少学者对贸易隐含碳排放的影响效应做了相关研究，主要采取两种方法：一是结构分解法（SDA）[20-25]，该方法将贸易隐含碳的变动分解为有关独立自变量变动的和，从而能够测算出在其他因素不变的情况下，自变量变动对贸易隐含碳变动的贡献值；二是指数分解方法（IDA）[26]，该方法将贸易隐含碳的变化分解成若干个影响因素变化的组合，并选取不同方法确定权重进行分解，来确定各个因素的影响程度大小，由于研究方法本身存在的缺陷及适用领域等问题，只有其中的对数平均迪氏指数法（LMDI）得到了广泛使用[27-29]。
综上所述，增加值贸易和贸易隐含碳排放的交叉研究主要使用世界投入产出表从国家层面进行研究，而针对一国内部区域间的研究比较少。本文借鉴Wang等根据增加值被吸收的最终目的地来分解区域/产业增加值的方法[17]，以及潘安等提出的将全球价值链和贸易隐含碳整合的概念框架[18-19]，选定长江经济带为研究区域，研究该区域各省市的贸易隐含碳排放量，并使用LMDI法对其进行影响效应分析。

1 研究方法与数据说明

1.1 隐含碳测算方法

由G个地区N个部门构成的MRIO模型可以表示为：
A 11 A 12 ⋯ A 1 g A 21 A 22 ⋯ A 2 g ⋮ ⋮ ⋱ ⋮ A g 1 A g 2 ⋯ A g g X 1 X 2 ⋮ X g + Y 11 + Y 12 + ⋯ + Y 1 g Y 21 + Y 22 + ⋯ + Y 2 g ⋮ Y g 1 + Y g 2 + ⋯ + Y g g = X 1 X 2 ⋮ X g
式中： A s r ( s , r = 1 , ⋯ , G 且 s ≠ r )为表示不同地区生产部门间相互需求的 N × N阶矩阵； A s s为 N × N阶矩阵，为s地区内的直接消耗系数矩阵； Y s r为表示s地区对r地区的最终品调出的 N × 1阶列向量； X s为表示s地区产出的 N × 1阶列向量。
根据式（1）可得：
X 1 X 2 ⋮ X g = B 11 B 12 ⋯ B 1 g B 21 B 22 ⋯ B 2 g ⋮ ⋮ ⋱ ⋮ B g 1 B g 2 ⋯ B g g Y 11 + Y 12 + ⋯ + Y 1 g Y 21 + Y 22 + ⋯ + Y 2 g ⋮ Y g 1 + Y g 2 + ⋯ + Y g g
式中： B 11 B 12 ⋯ B 1 g B 21 B 22 ⋯ B 2 g ⋮ ⋮ ⋱ ⋮ B g 1 B g 2 ⋯ B g g = I - A 11 - A 12 ⋯ - A 1 g - A 21 I - A 22 ⋯ - A 2 g ⋮ ⋮ ⋱ ⋮ - A g 1 - A g 2 ⋯ I - A g g - 1为经典的里昂惕夫逆矩阵。
进一步设 V A s为s地区的增加值向量（1× N阶的行向量），则该地区的增加值系数向量可表示为 V s = V A s X s ^ - 1。根据Wang等[17]提出的总贸易核算方法，s地区对r地区的调出 E s r可以被分解为如公式（3）所示的16个部分：
E s r = V s B s s T # Y s r + V s L s s T # A s r B r r Y r r + V s L s s T # A s r ∑ t ≠ s , r G B r t Y t t + V s L s s T # A s r B r r ∑ t ≠ s , r G Y r t + V s L s s T # A s r ∑ t ≠ s , r G B r t ∑ u ≠ s , r G B r t Y t u + V s L s s T # A s r B r r Y r s + V s L s s T # A s r ∑ t ≠ s , r G B r t Y t s + V s L s s T # A s r B r s Y s s + V s L s s T # ( A s r B r s ∑ t ≠ s G Y s t ) + V s L s s ∑ t ≠ s G A s t B t s T # A s r X r + V r B r s T # Y s r + V r B r s T # A s r L r r Y r r + V r B r s T # A s r L r r E r * + ∑ t ≠ s , r G V t B t s T # Y s r + ∑ t ≠ s , r G V t B t s T # A s r L r r Y r r + ∑ t ≠ s , r G V t B t s T # A s r L r r E r *
式中：“#”表示为分块矩阵点乘；上标“T”则表示为转置； L s s = I - A s s - 1为s地区内的里昂惕夫逆矩阵； X r和 E r *分别为r地区的总产出和总出口向量（均为 N × 1的列向量）。将式（3）中等号右边的16个部分依次设为向量T1~T16，表1列出了各部分的具体含义。
表1 总调出分解部分的具体含义

Tab.1 The meaning of the decomposition part

分解内容（增加值向量） 组成部分 具体含义
DVA DVA_FIN T1 被外地吸收的本地增加值 最终品出口的本地增加值
DVA_INT T2 被进口地区直接吸收的中间品出口
DVA_INTREX T3+T4+T5 被进口地区直接生产向第三方地区所吸收的中间品出口
RDV T6+T7+T8 返回并被本地吸收的本地增加值
FVA MVA T11+T12 外地增加值 出口隐含的进口地区增加值
OVA T14+T15 出口隐含的其他地区增加值
PDC DDC T9+T10 纯重复计算部分 来自本地账户的纯重复计算
FDC T13+T16 来自外地的纯重复计算
令 P s = P s i = P s i x s i i = 1 , ⋯ , N为 1 × N阶的直接碳排放系数向量，其中 x s i和 P s i分别表示s地区i部门的产出及其产生的直接碳排放量，则完全碳排放系数向量可表示为：
f s = p s I - A s s - 1
参照潘安等的贸易隐含碳排放测算方法[18-19]，本文根据增加值的不同来源计算贸易隐含碳排放水平，结合公式（3）的分解结果，得到总贸易核算框架下s地区对r地区的调出隐含碳排放，具体见公式（5）：
E C s r = f s D V A + R D V + f r M V A + ∑ t ≠ s , r G f t v a t
式中： v a t为 E s r中来自t地区的增加值向量，且有 ∑ v a t = O V A。可见，根据调出中增加值的来源，s地区对r地区调出隐含碳排放包含三部分内容：来自调出地区（s地区）、调入地区（r地区）及其他地区（t地区）的碳排放。

1.2 影响效应分解模型

本文采用LMDI方法对影响隐含碳排放的因素进行分解，参照杜运苏等[29]的分解方法，将隐含碳的影响因素分解为规模效应、结构效应和强度效应，则某地区调出隐含碳排放可以分解为：
E C = ∑ i = 1 n E × e i E × q i e i = ∑ i = 1 n E × S i × I i
式中：EC表示某地区贸易隐含碳调出量；E表示s地区的调出总额； e i表示s地区i部门的调出额； q i表示s地区i部门的调出隐含碳的排放量； S i表示s地区i部门调出占总调出的份额； I i表示s地区i部门的调出碳排放强度。
根据LMDI两年间贸易隐含碳排放调出量的差值可以分解如下：
Δ Q = Δ Q t - Δ Q 0 = Δ Q s i z e + Δ Q s t r + Δ Q i n t
Δ Q s i z e = ∑ i = 1 n L q i t   , q i 0 × l n E t E 0
Δ Q s t r = ∑ i = 1 n L q i t   , q i 0 × l n S t S i 0
Δ Q i n t = ∑ i = 1 n L q i t   , q i 0 × l n I i t I i 0
L a , b = a - b l n a - l n b   , a ≠ b                   a                     , a = b
式中： Δ Q表示两年间调出隐含碳排放量的差值； Δ Q s i z e表示由规模效应引起的调出隐含碳排放的变化量； Δ Q s t r表示由结构效应引起的调出隐含碳排放的变化量； Δ Q i n t表示由强度效应引起的调出隐含碳排放的变化量； q i t表示i部门t年的调出隐含碳排放量； q i 0表示i部门基期年的调出隐含碳排放量； E t表示t年的调出额； E 0表示基期年的调出额； S i t表示i部门t年的调出比重； S i 0表示i部门基期年的调出比重； I i t表示i部门t年的调出碳排放强度； I i 0表示i部门基期年的调出碳排放强度。

1.3 数据来源及处理

本文采用2007、2010及2012年中国30个省份（西藏、港澳台地区除外）30个部门和2015年中国31个省份（港澳台地区除外）42个部门的区域间投入产出表（由于本文选取的中国区域间投入产出表在2007、2010、2012年不包含西藏地区，且无法获取该地区的CO2排放数据，因此在测算2015年长江经济带各省市的调出隐含碳排放时仍不将该地区考虑入内），各年份分地区、部门的CO2排放数据来源于CEADs（www.ceads.net）官网，并将其数据参照国民经济行业分类（GB/4754-2011）按业务内容与多区域投入产出表相匹配，同时借鉴赵玉焕[30]及李艳梅等[15]的方法，将投入产出表中的30部门合并为7个部门（表2）。
表2 部门归并结果

Tab.2 Departmental merger

7个部门 对应投入产出表中30个部门
农业 农林牧渔业
能源工业 煤炭开采和洗选业，石油和天然气开采业，金属矿采选业，非金属矿及其他矿采选业，石油加工、炼焦及核燃料加工业，电力、热力的生产和供应业，燃气及水的生产与供应业
轻制造业 食品制造及烟草加工业，纺织业，纺织服装鞋帽皮革羽绒及其制品业，木材加工及家具制造业，造纸印刷及文教体育用品制造业
重制造业 化学工业，非金属矿物制品业，金属冶炼及压延加工业，金属制品业，通用、专用设备制造业，交通运输设备制造业，电气机械及器材制造业，通信设备、计算机及其他电子设备制造业，仪器仪表及文化办公用机械制造业
其他工业 其他制造业
建筑业 建筑业
服务业 交通运输及仓储业，批发零售业，住宿餐饮业，租赁和商业服务业，研究与试验发展业，其他服务业

2 结果分析

2.1 长江经济带调出隐含碳排放时空变化分析

2.1.1 总体分析

基于前文阐述的贸易隐含碳排放测算模型，测算出长江经济带各省市在2007、2010、2012和2015年的调出贸易隐含碳排放量（表3）。
表3 长江经济带各省市调出隐含碳排放量

Tab.3 Embodied carbon emissions in the Yangtze River Economic Belt

2007 2010 2012 2015
碳排放（×108t） 比例（%） 碳排放（×108t） 比例（%） 碳排放（×108t） 比例（%） 碳排放（×108t） 比例（%）
上海 0.35 6.46 0.54 7.32 0.72 7.00 0.63 5.67
江苏 1.16 21.41 1.39 18.74 2.37 23.20 2.63 23.58
浙江 0.60 11.06 0.78 10.58 0.87 8.55 1.41 12.67
安徽 0.57 10.51 0.84 11.38 1.71 16.78 1.58 14.21
江西 0.17 3.13 0.31 4.17 0.53 5.15 0.77 6.95
湖北 0.56 10.29 0.77 10.40 0.31 3.02 0.67 6.02
湖南 0.48 8.90 0.62 8.36 0.96 9.39 0.85 7.65
重庆 0.23 4.18 0.37 4.97 0.78 7.67 0.54 4.88
四川 0.41 7.61 0.72 9.71 0.43 4.24 0.78 7.04
贵州 0.50 9.35 0.63 8.56 0.87 8.48 0.81 7.29
云南 0.38 7.12 0.43 5.82 0.67 6.51 0.45 4.05
总计 5.40 100.00 7.42 100.00 10.22 100.00 11.14 100.00
从表3可以看出：长江经济带总体调出隐含碳排放呈现出不断增长的趋势，其中2007—2012年为快速增长阶段，从2007年的5.40×108t上升到2012年的10.22×108t，年均增长率为13.61%，而2012—2015年增速开始放缓，从2012年的10.22×108t上升至2015年的11.14×108t，年均增长率为2.91%，这表明我国实施的一系列碳排放调控措施产生了显著的成效。同样从各省市的表现看，大部分省市的调出隐含碳排放量呈现出在2007—2012年上升而在2012—2015年开始下降或增速放缓的趋势。尤为突出的是江苏调出隐含碳排放量一直排在第一位，并且呈持续强化的态势，其贸易隐含碳排放在11省市中的占比从2007年的21.41%下降到2010年的18.74%，再迅速上升到2012年的23.20%，再到2015年的23.58%，表现出由于社会经济发展带来的城市化进程持续加快，带来的贸易隐含碳排放也持续攀升的态势。排在第二位的安徽表现更为抢眼，其贸易隐含碳排放从2007年的0.57×108 t上升到2010年的0.84×108 t，再到2012年的1.72×108 t，5年来增长了2倍，其在11省市中的占比也从2007年的10.51%上升到2010年的11.38%，再到2012年的16.80%，尽管其调出隐含碳排放量在2015年开始下降为1.58×108t，其在11省市中的占比为14.21%，仍居第二位。浙江的调出隐含碳排放在2015年居第三位，其调出隐含碳排放量从2007年的0.60×108t上升到2010年的0.78×108t，再到2012年的0.87×108t，在这一时期该省调出隐含碳排放量的增速较为平缓，但是在2015年却迅速上升至1.41×108t，占比也从2012年的8.55%上升至2015年的12.67%。江西的调出隐含碳排放情况同样值得关注，在2007—2015年，该省的调出隐含碳排放一直呈现上升趋势，从2007年的0.17×108t增长至2015年的0.77×108t，年均增长率为20.78%，其在11省市中的排名也从2007、2010年的末位上升为2015年的第7名。
为了进一步展示长江经济带各省市调出隐含碳排放量的区域特征，本文绘制了图1来展示长江经济带上、中、下游的调出隐含碳排放情况。从图1可以看出，长江经济带的下游地区调出隐含碳排放量较高，四个省市中，除上海外，其余三省的调出隐含碳排放量均处于相对较高的水平，尤其江苏省的调出隐含碳排放量一直排在第一位。调出隐含碳排放量较低的区域主要分布在上游地区，需要注意的是其中的贵州省以及四川省部分年份的排放量处于相对较高的水平。中游地区的调出隐含碳排放量则大多居于中间水平，除江西在2007、2010、2012年以及湖北在2012年的调出隐含碳排放量处于较低水平。由此可见，长江经济带调出隐含碳排放分布不均衡，大致呈现从西到东递增的趋势，位于长江经济带下游地区的省市经济发展状况较好，但是由于其主要是以工业化发展为主，意味着需要消耗大量的能源，这就导致其在发展经济的同时也带来了相较其他地区更多的碳排放量。
图1 长江经济带各省市调出隐含碳排放(单位:108 t)

Fig.1 Embodied carbon emissions in the Yangtze River Economic Belt (Unit:108 t)

2.1.2 分部门分析

按照表2的部门划分方法，可以测算出长江经济带11省市分部门调出隐含碳排放量（图2），从图2可以看出，工业部门是长江经济带各省市调出隐含碳排放量的主要来源，该部门的调出隐含碳排放量占比最大时高达96.55%，为2012年湖北省的数据，调出隐含碳排放量为0.30×108t，最小为42.58%，为2015年浙江省的数据，具体排放量为0.60×108t，其中大部分省市又是以来自能源工业和重制造业的调出隐含碳排放量为主。对于上海市来说，服务业也是调出隐含碳排放占比相对较大的一个部门，该部门调出隐含碳排放量从2007年的0.12×108t（占比33.82%）上升到2010年的0.25×108t（占比46.08%），再到2012年的0.33×108t（占比46.17%），2015年稍有下降，为0.26×108t（占比41.20%），接近该市调出隐含碳排放一半的水平。同样值得一提的是大部分省市建筑业部门的调出隐含碳排放量占比在2015年明显增加。而从各省市分部门的趋势来看，大部分省市各部门的调出隐含碳排放量变化趋势与总体变化趋势基本保持一致，即各部门的调出隐含碳排放量呈现上升趋势，但是从2012年开始，也有不少省市部门的调出隐含碳排放量开始下降，尤其是工业的各部门下降趋势明显。
图2 长江经济带各省市分部门调出贸易隐含碳排放 (单位:108 t)

Fig.2 Embodied carbon emissions per province and sector in the Yangtze River Economic Belt (Unit:108 t)

2.2 长江经济带调出贸易隐含碳排放量影响效应分解

为了探究长江经济带调出贸易隐含碳排放的主要影响因素，本文使用LMDI分解法将影响长江经济带调出隐含碳排放的影响因素分解为规模效应（Δ Q s i z e）、结构效应（Δ Q s t r）和强度效应（Δ Q i n t），同样从整体和分部门两个层面进行分析。

2.2.1 总体分析

长江经济带各省市2007—2010、2010—2012及2012—2015年总体调出隐含碳排放影响效应分解结果见表4。2007—2010年，长江经济带各省市的调出隐含碳排放量呈现增长趋势，规模效应是推动其调出隐含碳排放增加的主要因素，强度效应则对其起着削减的作用，结构效应对大部分省市起着增加调出隐含碳排放的作用，但是相对规模效应与强度效应其影响程度较小；2010—2012年，对于大部分省市来讲，调出隐含碳排放量依旧不断增加，规模效应仍是推动其调出隐含碳排放量增加的主要因素，但是结构效应由上一阶段的正效应转变为负效应，强度效应则由负效应转变为了正效应；2012—2015年，江苏、浙江、江西、湖北、四川等地的调出隐含碳排放量依旧增加，其他地区的调出隐含碳排放量开始下降，其中规模效应仍然表现为正效应，大部分地区的结构效应为正效应，但是其影响程度相对规模效应来说较小，强度效应则表现为负效应。由此可以看出，在不同地区、时间段，规模效应始终是导致调出隐含碳排放量增加的主要因素，三个时间段内，结构效应和强度效应对于调出隐含碳排放量的影响情况发生了较大的变化，但是这两种效应在前两个时期中对调出隐含碳排放量的贡献相对较小，因此在这两个时期的调出隐含碳排放量仍然呈现上升趋势，在2012—2015年，强度效应的负效应作用明显增强，也就导致了大部分省市的调出隐含碳排放量开始出现下降或是增速明显放缓的情况。
表4 长江经济带各省市调出隐含碳排放变化影响效应分解 (单位:108 t)

Tab.4 Decomposition of embodied carbon emissions in the Yangtze River Economic Belt (Unit:108 t)

2007—2010 2010—2012 2012—2015
ΔQsize ΔQstr ΔQint ΔQ ΔQsize ΔQstr ΔQint ΔQ ΔQsize ΔQstr ΔQint ΔQ
上海 0.15 0.04 -0.00 0.19 0.36 -0.00 -0.18 0.17 0.12 0.01 -0.21 -0.08
江苏 0.52 -0.14 -0.14 0.23 1.06 -0.28 0.20 0.98 0.70 0.06 -0.50 0.26
浙江 0.28 -0.04 -0.06 0.19 0.20 -0.26 0.15 0.09 0.20 0.55 -0.21 0.54
安徽 0.40 0.02 -0.15 0.28 0.80 0.02 0.05 0.87 0.44 -0.22 -0.35 -0.13
江西 0.21 0.02 -0.10 0.14 0.08 0.04 0.09 0.22 0.24 0.09 -0.08 0.25
湖北 0.41 0.07 -0.27 0.22 -0.11 -0.43 0.08 -0.46 0.29 0.25 -0.18 0.36
湖南 0.32 0.02 -0.19 0.14 0.30 -0.04 0.08 0.34 0.13 0.11 -0.35 -0.11
重庆 0.17 0.02 -0.05 0.14 0.35 -0.02 0.08 0.42 0.05 0.04 -0.33 -0.24
四川 0.35 0.03 -0.08 0.31 -0.14 -0.21 0.06 -0.29 0.28 0.21 -0.14 0.35
贵州 0.26 -0.04 -0.10 0.13 0.21 -0.09 0.11 0.23 0.40 -0.06 -0.39 -0.05
云南 0.12 -0.01 -0.06 0.05 0.17 -0.11 0.18 0.23 0.06 0.01 -0.28 -0.21

2.2.2 分部门分析

长江经济带各省市在2007—2010、2010—2012、2012—2015年三个时期的分部门调出隐含碳排放影响效应分解结果如图3所示，规模效应对于大部分省市部门的调出隐含碳的效应为正，结构效应在2007—2010和2012—2015年对大部分省市部门的调出隐含碳排放的效应为正，在2010—2012年对大部分省市部门的影响为负效应，强度效应在这三个时期则经历了由负效应向正效应再向负效应的转变。将之与总体分析结果相比较可以看出，各省市分部门的分解结果与总体分析结果大致相同，部分省市中的部门的分解结果与总体结果存在一定的差异，但是由于该部门在各省市中占比相对较少，并没有对整体结果产生太大的影响。
图3 长江经济带各省市分部门调出隐含碳排放变化影响效应分解(单位:×108 t)

Fig.3 Decomposition of embodied carbon emissions per sector in the Yangtze River Economic Belt (Unit:108 t)

3 结论与讨论

本文基于总贸易核算体系测算了长江经济带11省市2007、2010、2012及2015年的总体、分部门的调出隐含碳排放量，并使用LMDI方法对其进行影响效应分析，主要得到以下结论：
第一，长江经济带总体调出隐含碳排放呈现逐步上升的趋势，各省市调出隐含碳排放大致呈现从西到东递增的趋势，并且其中大部分省市的调出隐含碳排放量在2007—2012年呈现上升趋势，而在2012—2015年大部分省市的调出隐含碳排放量开始下降或是增速开始明显放缓。
第二，分部门结果则显示工业部门的调出隐含碳排放量比值较大，其中大部分省市又是以来自能源工业和重制造业的调出隐含碳排放量为主，同时可以看出大部分省市各部门的调出隐含碳排放呈现上升的趋势，但是从2012年开始，也有不少省市部门的调出隐含碳排放量开始下降，尤其是工业各部门下降趋势明显。
第三，借助LMDI分解法，将影响长江经济带调出隐含碳排放的影响因素分解为规模效应、结构效应和强度效应，其中规模效应始终是导致调出隐含碳排放量增加的主要因素，结构效应经历了由正效应向负效应再向正效应的转变，强度效应则与之相反，经历了由负效应向正效应再向负效应的转变，各省市分部门的结果与总体结果大致相同。
本文将总贸易核算体系和贸易隐含碳排放整合用于测算长江经济带各省市的调出隐含碳排放量，相较于传统的核算方法，能够更为准确地测算该区域各地的调出隐含碳排放量情况，这是本文创新之处，但同时本文也可能存在以下的不足：①分析贸易隐含碳排放因素的方法众多，本文只采用了其中的LMDI分解方法，并没有将本文的结果与其他分析方法进行对比分析；②由于数据的可获得性，本文只对2007、2010、2012及2015年四年的数据进行分析，数据的时效性有待提高，并且本文选用的中国区域间投入产出表及CO2排放数据包含的地区以及部门的划分存在差异，使得本文的测算结果可能会存在一定的误差。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王安静, 孟渤, 冯宗宪, 等. 增加值贸易视角下的中国区域间碳排放转移研究[J]. 西安交通大学学报:社会科学版, 2020, 40(2):85-94.

[2]
黄蕊, 王铮, 钟章奇, 等. 区域贸易隐含碳排放和SO2排放的投入产出分析——以江苏为例[J]. 自然资源学报, 2017, 32(5):854-863.

DOI

[3]
黄国华, 刘传江, 赵晓梦. 长江经济带碳排放现状及未来碳减排[J]. 长江流域资源与环境, 2016, 25(4):638-644.

[4]
李建豹, 黄贤金. 基于空间面板模型的碳排放影响因素分析——以长江经济带为例[J]. 长江流域资源与环境, 2015, 24(10):1665-1671.

[5]
李毅, 胡宗义, 刘亦文, 等. 碳强度约束政策对中国城市空气质量的影响[J]. 经济地理, 2019, 39(8):21-28.

[6]
关伟, 金一. 中国能源利用、经济增长演进对生态环境的脉冲响应[J]. 经济地理, 2020, 40(2):31-40.

DOI

[7]
黄和平, 乔学忠, 张瑾, 等. 绿色发展背景下区域旅游业碳排放时空分异与影响因素研究——以长江经济带为例[J]. 经济地理, 2019, 39(11):214-224.

DOI

[8]
刘强, 庄幸, 姜克隽, 等. 中国出口贸易中的载能量及碳排放量分析[J]. 中国工业经济, 2008(8):46-55.

[9]
Weber C L, Matthews H S. Quantifying the global and distributional aspects of American household carbon footprint[J]. Ecological Economics, 2008, 66(2-3):379-391.

[10]
袁欢. 我国制造业贸易隐含碳测算及其影响因素分析[D]. 重庆: 重庆工商大学, 2019.

[11]
齐晔, 李惠民, 徐明. 中国进出口贸易中的隐含碳估算[J]. 中国人口·资源与环境, 2008(3):8-13.

[12]
Sánchez-Chóliz J, Duarte R. CO2 emissions embodied in international trade:evidence for Spain[J]. Energy Policy, 2004, 32(18):1999-2005.

[13]
鲁倩倩. 多区域贸易隐含碳的时序分析及碳排放责任分担比较——基于MRIO模型视角[J]. 价值工程, 2017, 36(18):7-12.

[14]
Andrew R M, Peters G P. A multi-region input-output table based on the global trade analysis project database (GTAP-MRIO)[J]. Economic Systems Research, 2013, 25(1):99-121.

[15]
李艳梅, 牛苗苗, 张红丽. 京津冀区域内增加值贸易的经济收益和隐含碳排放比较[J]. 资源科学, 2019, 41(9):1619-1629.

DOI

[16]
Koopman R, Wang Z, Wei S. Tracing value-added and double counting in gross exports[R]. National Bureau of Economic Research,Inc, 2012.

[17]
Wang Z, Wei S, Zhu K. Quantifying international production sharing at the bilateral and sector levels[R]. National Bureau of Economic Research,Inc, 2013.

[18]
潘安, 吴肖丽. 全球价值链分工下的中日贸易隐含碳排放研究[J]. 现代日本经济, 2018, 37(2):40-52.

[19]
潘安. 全球价值链视角下的中美贸易隐含碳研究[J]. 统计研究, 2018, 35(1):53-64.

[20]
杨果, 叶家柏. 中国真的承担了更少的碳减排任务吗?[J]. 管理世界, 2018, 34(11):176-177.

[21]
钱志权, 杨来科. 东亚垂直分工对中国对外贸易隐含碳的影响研究——基于MRIO-SDA方法跨期比较[J]. 资源科学, 2016, 38(9):1801-1809.

DOI

[22]
江洪. 金砖国家对外贸易隐含碳的测算与比较——基于投入产出模型和结构分解的实证分析[J]. 资源科学, 2016, 38(12):2326-2337.

DOI

[23]
Zhao Y, Wang S, Zhang Z, et al. Driving factors of carbon emissions embodied in China-US trade:a structural decomposition analysis[J]. Journal of Cleaner Production, 2016, 131:678-689.

[24]
Wu R, Geng Y, Dong H, et al. Changes of CO2 emissions embodied in China-Japan trade:drivers and implications[J]. Journal of Cleaner Production, 2016, 112:4151-4158.

[25]
Xu Y, Dietzenbacher E. A structural decomposition analysis of the emissions embodied in trade[J]. Ecological Economics, 2014, 101:10-20.

[26]
郭朝先. 中国碳排放因素分解:基于LMDI分解技术[J]. 中国人口·资源与环境, 2010, 20(12):4-9.

[27]
张根能, 吕磊磊, 董伟婷. 中国进出口贸易隐含碳影响因素分解——考虑技术异质性的研究[J]. 生态经济, 2017, 33(9):14-20.

[28]
丁玉梅, 廖程胜, 吴贤荣, 等. 中国农产品贸易隐含碳排放测度与时空分析[J]. 华中农业大学学报:社会科学版, 2017(1):44-54.

[29]
杜运苏, 孙辉煌. 中国出口贸易隐含碳排放增长因素分析:基于LMDI[J]. 世界经济研究, 2012(11):44-49.

[30]
赵玉焕, 王淞. 基于技术异质性的中日贸易隐含碳测算及分析[J]. 北京理工大学学报:社会科学版, 2014, 16(1):12-18.

Options
Outlines

/

〈 〉