張德鋼+陸遠權

摘要：利用社會網(wǎng)絡分析方法（SNA）全新解構了碳排放的空間關聯(lián)特征，并基于QAP技術揭示了碳排放空間關聯(lián)的主要影響因素。研究發(fā)現(xiàn)：碳排放呈現(xiàn)出復雜的多線程空間網(wǎng)絡關聯(lián)關系。上海、天津、江蘇、浙江、廣東和福建等東部發(fā)達地區(qū)的省份處于網(wǎng)絡的中心地位，接收了較多的關聯(lián)關系，甘肅、青海、新疆和貴州等西部欠發(fā)達地區(qū)省份發(fā)送了較多的關聯(lián)關系，其他省份則主要起到了“傳輸”和“橋梁”的作用。碳排放可以劃分為“雙向溢出”“凈受益”“凈溢出”以及“經(jīng)紀人”四個功能板塊。地理因素、地區(qū)間經(jīng)濟發(fā)展差異以及環(huán)境規(guī)制差異對碳排放空間關聯(lián)具有顯著正向影響。

關鍵詞：碳排放；空間關聯(lián)；社會網(wǎng)絡分析；QAP

DOI：10.13956/j.ss.1001-8409.2017.04.04

中圖分類號：F124.5 文獻標識碼：A 文章編號：1001-8409（2017）04-0015-04

Abstract： This paper depicts the characteristics of spatial correlation of provincial carbon emission in china by using social network analysis and studies the influence factors of spatial correlation based on QAP. Results showed that， the spatial correlation of carbon emission has structural features of complex and multithreading spatial network. Shanghai， Tianjin， Jiangsu， Zhejiang， Guangdong， Fujian and some other eastern developed provinces are in the centre position of the network， and receive more correlation relationships， Gansu， Qinghai， Xinjiang， Guizhou and some other western underdeveloped provinces send more correlation relationships， the other provinces mainly play the role of ‘transfer and ‘bridge. The carbon emission can be divided four plats constituted by ‘bidirectional spillover plate， ‘net benefit plate， ‘net spillover plate and ‘broker plate. Geographical factors， regional disparity of economic development and environment regulation have significant positive influence on spatial correlation relationships carbon emission.

Key words：carbon emission； spatial correlation； social network analysis； QAP

據(jù)國際能源署的最新數(shù)據(jù)顯示，2015年全球與能源相關的碳排放總量約為321億噸，其中30%左右的碳排放在中國產(chǎn)生，中國的碳排放已經(jīng)超過了美歐之和。值得注意的是，在關注中國碳排放總量的同時，也應看到中國的碳排放在區(qū)域間的分布并不均衡。2014年，在與能源消費相關的碳排放中，山東的碳排放總量最高，是排名最末位海南的26倍，而寧夏的碳排放強度最大，是排名最末位北京的16倍。碳排放在區(qū)域間的巨大差異導致在制定減排政策和分配減排任務時必然存在地區(qū)間的利益沖突，一個地區(qū)的減排目標能否實現(xiàn)，不僅取決于自身因素，還會受制于其他地區(qū)的影響，能否有效控制碳排放越來越依賴于地區(qū)間的協(xié)調配合。事實上，眾多文獻研究也證實碳排放在各地區(qū)并非獨立存在，而是存在一定的空間關聯(lián)。肖黎姍指出省際碳排放具有正的空間自相關性，在局部地區(qū)呈現(xiàn)出高值的聚集特征[1]。林伯強認為中國碳排放存在“俱樂部收斂”和“梯度”分布特征[2]。蘇泳嫻基于DMSP/OLS數(shù)據(jù)發(fā)現(xiàn)碳排放的空間聚集越來越明顯，基本形成了“東部沿海城市高高集聚，西部欠發(fā)達城市低低集聚”

的格局[3]。楊騫進一步測算了中國碳排放的區(qū)域差異，結果顯示碳排放的區(qū)域差異主要來源于區(qū)域間經(jīng)濟發(fā)展的差異[4]。肖雁飛認為區(qū)域間的碳排放轉移正在產(chǎn)業(yè)轉移經(jīng)濟發(fā)展背后悄然發(fā)生，區(qū)域產(chǎn)業(yè)轉移帶來的“碳排放轉移”和“碳泄漏”問題越來越突出[5]。孫立成也發(fā)現(xiàn)中國碳排放存在區(qū)域間轉移，需要合理引導，并充分利用這種溢出效應促進區(qū)域經(jīng)濟均衡發(fā)展[6]。顯然，這些文獻都在一定程度上揭示出了中國碳排放的空間關聯(lián)特征及其溢出效應。然而，已有研究大都基于地理鄰近的視角，只揭示了少量的空間關聯(lián)關系，而實際上中國省際碳排放可能是一種復雜的網(wǎng)絡結構，具有多線程的空間關聯(lián)關系。與已有研究不同，本文采用一種新的分析方法——社會網(wǎng)絡分析法（SNA），全新解構中國省際碳排放的空間關聯(lián)特征，并基于QAP技術揭示碳排放空間關聯(lián)的主要影響因素，有助于更加全面地認識中國碳排放的空間關聯(lián)特征，對于不同地區(qū)聯(lián)動參與碳排放治理具有重要意義。

1 方法與數(shù)據(jù)

1.1 中國碳排放空間關聯(lián)網(wǎng)絡構建

中國碳排放空間關聯(lián)網(wǎng)絡是各省份碳排放倆倆關聯(lián)關系的集合，各個省份為空間關聯(lián)網(wǎng)絡中的節(jié)點，如果兩個省份之間存在關聯(lián)關系，則可畫出一條帶有指向性的線將兩個節(jié)點連接起來，如此便可構成一張?zhí)寂欧趴臻g關聯(lián)的網(wǎng)絡圖。目前，刻畫空間關聯(lián)關系的方法主要有兩類：一類是基于VAR模型，采用Granger Causality檢驗方法，例如李敬[7]、劉華軍[8]等；另一類是基于引力模型或改進的引力模型，例如侯赟慧[9]、劉華軍[10]等。由于VAR模型對于時滯的選擇十分敏感，往往只適用于時間跨度較長的數(shù)據(jù)，且不能用于截面總量數(shù)據(jù)，無法揭示網(wǎng)絡結構的動態(tài)演進特征。因此，本文借鑒劉華軍[10]的做法，采用改進的引力模型來構建中國碳排放的空間關聯(lián)網(wǎng)絡，基本模型構建如下：

1.2.3 塊模型分析

塊模型分析是一種研究網(wǎng)絡位置模型的方法，最早由Boorman和White[12]提出，Smith和White[13] 、Cassi等 [14]曾用此方法研究過世界經(jīng)濟體系。根據(jù)塊模型理論，第一步是對成員進行分區(qū)，即把各個成員分到各個位置之中。第二步是根據(jù)一些標準確定各個塊的取值，即各個塊是1-塊，還是0-塊。若以密度指標劃分區(qū)域，一般而言，可以用整體網(wǎng)絡密度作為劃分標準。Wasserman和Faust[15]開發(fā)了評價位置內部關系的指標體系（見表1），其中gk表示某個板塊中成員數(shù)目，g表示整個網(wǎng)絡中的成員數(shù)目。

1.3 數(shù)據(jù)說明

本文測算的碳排放來源于煤炭、天然氣、焦炭、燃料油、汽油、煤油和柴油燃燒產(chǎn)生的二氧化碳，參照聯(lián)合國政府間氣候變化專門委員會（IPCC）給出的碳排放折算方法進行測算。人口數(shù)量和GDP來源于《中國統(tǒng)計年鑒》。在利用式（1）構建1995～2014年的碳排放空間關聯(lián)關系矩陣時，為剔除價格因素，采用各省份1995年為基期的GDP平減指數(shù)將GDP折算為以1995年為基期的真實值。由于《中國能源統(tǒng)計年鑒》沒有統(tǒng)計西藏的各類能源消費數(shù)據(jù)，因此，本文的數(shù)據(jù)包含了除西藏外的其余30個省份。

2 中國碳排放空間網(wǎng)絡關聯(lián)的實證分析

2.1 整體網(wǎng)絡特征分析

根據(jù)式（1）構建起的碳排放的空間關聯(lián)矩陣，將2014年中國30個省份的碳排放空間關聯(lián)關系繪制成可視化的網(wǎng)絡圖，從圖1可以看出，碳排放在各省份間存在普遍的關聯(lián)關系。

進一步地，為了反映網(wǎng)絡密度及其演變趨勢，根據(jù)式（2）至式（5）計算出了1995～2014年歷年的整體網(wǎng)絡密度、關聯(lián)度、網(wǎng)絡效率以及網(wǎng)絡等級，并繪制成圖2?？梢钥闯?，網(wǎng)絡密度呈現(xiàn)出上升趨勢，從1995年的0.2提高到了2014年的0.239，關聯(lián)關系由1995年的174個增加到了2014年的208個。1995～2014年歷年的網(wǎng)絡關聯(lián)度都為1，顯示出碳排放存在普遍的空間溢出關系，而不再只是地理鄰近的省份才產(chǎn)生溢出關系。碳排放空間網(wǎng)絡的網(wǎng)絡等級和網(wǎng)絡效率均呈現(xiàn)出下降趨勢，網(wǎng)絡等級由1995年的0.478下降到了2014年的0.294，網(wǎng)絡效率由1995年的0.722下降到了2014年的0.663，說明碳排放并不存在等級森嚴的現(xiàn)象，網(wǎng)絡結構比較穩(wěn)定。

依據(jù)式（6）至式（8），可以計算出2014年省際碳排放空間關聯(lián)網(wǎng)絡的點度中心度、中間中心度和接近中心度。發(fā)現(xiàn)總關系數(shù)處于前5位的分別是上海、天津、江蘇、浙江和廣東，都是東部發(fā)達地區(qū)的省份，說明這些省份同其他省份具有較多的直接關聯(lián)關系，處于網(wǎng)絡結構的中心位置。由于某個省份的關聯(lián)關系既包括發(fā)送的關系數(shù)，也包括接收的關系數(shù)，接下來分別對接收關系和發(fā)送關系處于前5名的省份進行分析，接收關系排名前5的分別是上海、天津、江蘇、浙江和福建，發(fā)送關系排名前5的分別是甘肅、廣東、青海、新疆和貴州，接收關系排名前5的省份全部位于東部地區(qū)，而發(fā)送關系排名前5的省份除廣東外其余4個省份都位于西部地區(qū)，表明在碳排放的空間網(wǎng)絡關聯(lián)中，西部地區(qū)主要產(chǎn)生溢出，而東部地區(qū)省份則從中受益。無論是中間中心度還是接近中心度，排名前5的省份都是上海、天津、江蘇、浙江、廣東，說明其他省份主要通過這5個省份作為“橋梁”進而產(chǎn)生關聯(lián)關系，進一步顯示出了這些省份在碳排放空間網(wǎng)絡中的重要地位和作用。

2.2 塊模型分析

運用CONCOR方法，選擇最大分割密度為2，收斂標準為0.2，可以將全國30個省份劃分為4個板塊，如表2所示。第I板塊的成員包括北京、天津、遼寧、內蒙古和山東5個省份，共接收關系58個，發(fā)送關系28個，期望內部關系比例為14%，實際內部關系比例為21%，第I板塊對板塊內外均產(chǎn)生了溢出效應，屬于“雙向溢出板塊”；第II板塊的成員包括廣東、江蘇、福建、上海和浙江5個省份，共接收關系92個，發(fā)送關系32個，期望內部關系比例為14%，實際內部關系比例為19%，第II板塊接收的關系數(shù)目顯著多于發(fā)送的關系數(shù)目，屬于“凈受益板塊”；第III板塊的成員包括吉林、甘肅、河北、寧夏、黑龍江、河南、新疆、青海、山西、陜西10個省份，共接收關系23個，發(fā)送關系80個，期望內部關系比例為31%，實際內部關系比例為3%，第III板塊發(fā)送的關系數(shù)目顯著多于接收到的關系數(shù)目，屬于“凈溢出板塊”；第IV板塊的成員包括湖南、重慶、湖北、貴州、云南、廣西、安徽、海南、江西、四川10個省份，共接收關系35個，發(fā)送關系68個，期望內部關系比例為31%，實際內部關系比例為15%，第IV板塊同其他板塊存在較多的關聯(lián)關系，但板塊內部成員間的關聯(lián)關系則相對較少，屬于“經(jīng)紀人板塊”。

3 中國碳排放空間關聯(lián)的影響因素——基于QAP分析法

3.1 模型構建

在分析完中國省際碳排放的空間網(wǎng)絡關聯(lián)特征后，本文對影響碳排放空間關聯(lián)的因素進行探究。眾多研究顯示碳排放的空間溢出與地理因素相關，本地的碳排放不僅取決于自身的控制，還受到鄰近地區(qū)的影響，因此，本文認為地理鄰近是影響碳排放空間關聯(lián)的因素之一。根據(jù)之前的塊模型分析，發(fā)現(xiàn)碳排放的空間溢出呈現(xiàn)出明顯的梯度效應，即發(fā)達地區(qū)和欠發(fā)達地區(qū)之間存在更多的溢出關系，由此，推測經(jīng)濟發(fā)展差距越大，越容易產(chǎn)生溢出效應。最后，碳排放之所以能在不同地區(qū)之間產(chǎn)生溢出，可能是由于各地環(huán)境規(guī)制的標準不同，污染企業(yè)傾向于選擇環(huán)境規(guī)制較低的地區(qū)進行排污，因此，認為地區(qū)間的環(huán)境規(guī)制差異越大，越容易產(chǎn)生溢出效應。由于是關系數(shù)據(jù)，不能運用傳統(tǒng)計量方法進行統(tǒng)計檢驗，選擇基于二次指派程序的QAP技術進行分析，并建立如下模型：

R=f（G，RGDP，GZ）（9）

其中，R為2014年30個省份碳排放的空間關聯(lián)關系；G為地理鄰近矩陣，若兩個省份相鄰，則取值為1，不相鄰則取值為0；RGDP為經(jīng)濟發(fā)展差異矩陣，以2014年各省份人均GDP的絕對值差異構建；GZ為環(huán)境規(guī)制差異矩陣，采用2014年各省份二氧化硫排放量/GDP、氮氧化物排放量/GDP、煙（粉）排放量/GDP、固體廢棄物產(chǎn)生量/GDP、能源消費量/GDP、工業(yè)污染治理投資/工業(yè)增加值、PM2.5年均濃度7個指標經(jīng)過標準化處理后合成環(huán)境規(guī)制強度指數(shù)，并藉此構建環(huán)境規(guī)制的差異矩陣。

3.2 QAP回歸分析

QAP回歸分析的原理為：首先，運用因變量矩陣對應的長向量對自變量矩陣的長向量進行多元回歸分析。其次，對因變量和自變量矩陣的各行與各列同時進行隨機置換，重復計算足夠多次，并保存回歸系數(shù)結果及判定系數(shù)。最后，根據(jù)回歸系數(shù)及判定系數(shù)的分布，判斷其顯著性水平。選擇5000次隨機置換，并將得到的結果報告在表3中。

結果顯示，地理鄰近的回歸系數(shù)為0.288，且在1%的水平上顯著，表明地理位置相鄰的省份，碳排放更容易產(chǎn)生溢出。經(jīng)濟發(fā)展差異的回歸系數(shù)為0.094，且在1%的水平上顯著，表明省際經(jīng)濟發(fā)展差異越大，碳排放的空間溢出越明顯。環(huán)境規(guī)制差異的回歸系數(shù)為0.238，且在10%的水平上顯著，表明省際環(huán)境規(guī)制差異越大，碳排放的空間溢出也越明顯。觀察標準化后的回歸系數(shù)，可以發(fā)現(xiàn)對碳排放空間關聯(lián)關系影響作用最強的是地區(qū)經(jīng)濟發(fā)展差異。

4 結論及建議

本文利用一種新的分析方法——社會網(wǎng)絡分析法（SNA），全新解構了中國省際碳排放的空間關聯(lián)特征，并基于QAP技術揭示了中國省際碳排放空間關聯(lián)的影響因素。結果顯示：①碳排放的空間關聯(lián)已經(jīng)突破了傳統(tǒng)的地理限制，呈現(xiàn)出復雜的多線程的空間網(wǎng)絡關聯(lián)關系，存在普遍的空間溢出效應。②1995～2014年，網(wǎng)絡密度提高了19.54%，網(wǎng)絡效率下降了8.18%，網(wǎng)絡等級下降了38.43%，網(wǎng)絡關聯(lián)度始終保持為1，表明碳排放的空間關聯(lián)網(wǎng)絡結構逐漸趨于穩(wěn)定。③上海、天津、江蘇、浙江、廣東和福建等東部發(fā)達地區(qū)的省份處于網(wǎng)絡的中心地位，接收了較多的關聯(lián)關系，甘肅、青海、新疆和貴州等西部欠發(fā)達地區(qū)省份發(fā)送了較多的關聯(lián)關系，其他省份則主要起到了“傳輸”和“橋梁”的作用。④碳排放可以劃分為“雙向溢出”“凈受益”“凈溢出”以及“經(jīng)紀人”4個功能板塊。⑤地理因素、地區(qū)間的環(huán)境規(guī)制差異以及經(jīng)濟發(fā)展差異對碳排放空間關聯(lián)具有顯著的正向影響。

以上研究結論蘊含著如下政策啟示：①在碳排放的治理上，需要樹立空間觀念和系統(tǒng)觀念，突出聯(lián)動協(xié)同的治理理念，從更加廣泛的區(qū)域協(xié)同上著手治理。②地區(qū)間的環(huán)境規(guī)制差異，容易造成碳排放在區(qū)域間轉移，然而，鑒于中國不同地區(qū)經(jīng)濟發(fā)展、產(chǎn)業(yè)結構、資源環(huán)境稟賦的巨大差異，各地區(qū)的環(huán)境政策不可搞“一刀切”，但更不可差異過大，否則會加劇碳排放的空間溢出。目前，尤為值得警惕的是東部地區(qū)為治理環(huán)境污染和淘汰落后產(chǎn)能，將高污染、高能耗產(chǎn)業(yè)向中西部欠發(fā)達地區(qū)轉移而產(chǎn)生“碳轉移”和“碳遺漏”問題。通過制定合適的省際環(huán)境政策阻斷碳排放的溢出“管道”是一個可行的做法。③減少碳排放空間溢出的根本措施是促進落后地區(qū)經(jīng)濟發(fā)展，但這并不意味著要落后地區(qū)達到和發(fā)達地區(qū)相同的經(jīng)濟規(guī)模和增長速度，而是應該通過市場一體化建設，保持要素和人口的自由流動，促進地區(qū)人均GDP和增速的趨同。

參考文獻：

[1]肖黎姍，王潤，楊德偉，等. 中國省際碳排放極化格局研究[J]. 中國人口·資源與環(huán)境，2011，11：21-27.

[2]林伯強，黃光曉. 梯度發(fā)展模式下中國區(qū)域碳排放的演化趨勢——基于空間分析的視角[J]. 金融研究， 2011，12：35-46.

[3]蘇泳嫻，陳修治，葉玉瑤，等. 基于夜間燈光數(shù)據(jù)的中國能源消費碳排放特征及機理[J]. 地理學報，2013，11：1513-1526.

[4]楊騫，劉華軍. 中國二氧化碳排放的區(qū)域差異分解及影響因素——基于1995～2009年省際面板數(shù)據(jù)的研究[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2012，5：36-49，148.

[5]肖雁飛，萬子捷，劉紅光. 我國區(qū)域產(chǎn)業(yè)轉移中“碳排放轉移”及“碳泄漏”實證研究——基于2002年、2007年區(qū)域間投入產(chǎn)出模型的分析[J]. 財經(jīng)研究，2014，2：75-84.

[6]孫立成，程發(fā)新，李群. 區(qū)域碳排放空間轉移特征及其經(jīng)濟溢出效應[J]. 中國人口·資源與環(huán)境，2014， 8： 17-23.

[7]李敬，陳澍，萬廣華，等. 中國區(qū)域經(jīng)濟增長的空間關聯(lián)及其解釋——基于網(wǎng)絡分析方法[J]. 經(jīng)濟研究， 2014，11：4-16.

[8]劉華軍，何禮偉. 中國省際經(jīng)濟增長的空間關聯(lián)網(wǎng)絡結構——基于非線性Granger因果檢驗方法的再考察[J]. 財經(jīng)研究，2016，2：97-107.

[9]侯赟慧，劉志彪，岳中剛. 長三角區(qū)域經(jīng)濟一體化進程的社會網(wǎng)絡分析[J]. 中國軟科學，2009，12：90-101.

[10]劉華軍，劉傳明，孫亞男. 中國能源消費的空間關聯(lián)網(wǎng)絡結構特征及其效應研究[J]. 中國工業(yè)經(jīng)濟， 2015， 5：83-95.

[11]Freeman L C. Centrality in Social Networks： Comceptual Classification[J]. Social Networks， 1979， 1.

[12]Boorman S A， White H C. Social Structure from Multiple Networks. II. Role Structures[J]. American Journal of Sociology， 1976， 81（6）：N-A.

[13]Smith D A， White D R. Structure and Dynamics of the Global Economy Network Analysis of International Trade 1965-1980[J]. Social Forces， 1992， 70（4）：857-894.

[14]Cassi L， Morrison A， Wal A L J T. The Evolution of Trade and Scientific Collaboration Networks in the Global Wine Sector： A Longitudinal Study Using Network Analysis[J]. Economic Geography， 2012， 88（3）：311-334.

[15]Wasserman S， K Faust. Social Network Analysis：Methods and Applications[M]. Cambridge， Cambridge University Press， 1994.

（責任編輯：辜 萍）