全球20%—25%的二氧化碳排放可以归因于国际贸易，并且发达国家集团对发展中国家集团的碳排放转移现象突出[1]。中国在工业化进程中，大量的生产活动导致了高排放量，这其中有部分通过贸易出口到外国，满足他国需求，中国已经是全球出口隐含碳排放最多的经济体[2]。然而1992年《联合国气候变化框架公约》所确立的以“生产者责任”为原则核算各国的碳排放清单容易造成“碳泄漏”，并且对中国等出口大国不公平[3]。因此相关学者开始讨论跨国贸易的隐含碳流动以及全球碳排放的消费者责任，并受到中国、印度等发展中经济体的重视。近年来，社会网络分析法被引入到世界贸易网络的分析中，那么伴随国际贸易产生的隐含碳排放网络又呈现哪些特征，伴随国际贸易的发展该网络的格局是否会发生一些变化，到底哪些因素引起了这些变化发生，又有哪些政策启示，这些都值得探讨。

当前关于世界贸易隐含碳排放的研究主要涉及隐含碳测度以及基于隐含碳测度的各国（地区）间碳排放责任分解。在隐含碳测度方面，早期主要使用单区域或双区域投入产出模型。近年来为了更详尽地描述全球产业链分工的影响，多区域投入产出模型被广泛采用，如Peters等[1]、彭水军等[4]、潘安[5]、吕延方等[6]的研究。在碳排放责任界定和分解方面，一般首先基于生产者责任和消费者责任对各国（地区）隐含碳排放规模进行测度，然后在比较分析的基础上给出分配的原则和建议。学界目前大多倾向于认可在《巴黎协定》中提出的“共同但有区别的责任”，然而对具体的执行方法有很多争议。典型文献如王文举和向其凤[7]、闫云凤和赵忠秀[8]、Xu和Dietzenbacher[9]、Arce等[10]、张同斌等[11]、钟章奇等[12]。总体来说，据掌握的文献看，目前关于隐含碳排放的结构分解大多从国家和地区以及行业层面分解，侧重于单要素碳排放绩效与碳排放绝对量，集中在国际贸易中隐含碳排放转移“量”的核算，这使分析脱离了全球分工网络的“社会性”，难以反映网络中个体间的结群性、互惠性、级联性等特征[13]。在投入产出模型中，与网络结构相关的丰富的信息来源，尤其是部门间的相互作用和网络，在很大程度上被忽视。对基于消费责任制核算的全球碳排放又呈现何种时空演化格局还没有深入解答[12]。因此，将社会网络分析法运用到隐含碳排放研究具有一定的理论价值和现实意义。

社会网络分析法在全球贸易关系及特定产品或特定地区应用研究方面取得了颇多成果，但在隐含碳排放应用研究方面尚处于起步阶段。在全球贸易网络的结构分析方面，Serrano和Boguna[14]证明了世界贸易网络满足复杂而非随机网络的性质。

Bernard和Lawrence[15]、Bernard等[16]发现，各国之间的贸易流、合作伙伴和联系具有高度异质性。Benedictis和Tajoli[17]研究表明，在各国间异质性日益增加的同时，贸易体系正变得越来越相互关联。Benedictis等[18]分析了世界贸易网络中国家的中心性。Cepeda等[19]研究了1995-2014年世界贸易网络特征的动态演变。陈银飞[20]、赵国钦等[21]发现虽然世界贸易网络中国家间关系日趋紧密，但是网络中的富人俱乐部现象没有明显改观。在特定产品或特定地区的贸易网络结构分析方面，相关研究涉及全球酒业的经贸科技合作网络[22]、全球原油贸易网络[23]、全球农产品贸易网[24]等人的成果。马远和徐俐俐[25]、种照辉等[26]则对“一带一路”沿线国家的贸易网络及影响因素进行了分析。在隐含碳排放网络结构分析方面，目前仅可见张德钢和陆远权[27]、杜培林和王爱国[28]、张同斌和孙静[29]等人的成果，且关于网络结构特征的研究主要是拓扑结构，另外对隐含碳排放网络的具体影响因素也没有进行深入探讨。

本文拟从三个方面对以往研究进行拓展：首先，针对当前研究侧重国际贸易中隐含碳排放转移“量”的核算而对全球分工网络的“社会性”反映不足的情况，本文拟在测度各国隐含碳排放规模基础上，借助社会网络分析方法建立加权的隐含碳排放网络，分析网络的基本特征；其次，针对当前研究没能对全球碳排放呈现何种时空演化格局进行深入解答，本文拟通过计算历年隐含碳排放网络的个体和整体指标，通过可视化技术描绘分析隐含碳排放网络结构演变情况；再次，针对当前研究对隐含碳排放网络的具体影响因素没有进行深入探讨的情况，本文拟运用QAP方法对世界贸易隐含碳排放网络的影响因素进行分析，从而为降低贸易隐含碳排放寻找解决思路。

一、模型设定与指标计算

（一）世界贸易隐含碳排放网络模型

世界贸易隐含碳排放网络是由各国构成的节点集和隐含碳排放关系构成的边集组成的复杂系统。根据网络连边性质的不同，可以将世界贸易隐含碳排放网络划分为无权网络、加权网络、有向网络和无向网络等不同的表达形式。

本研究建立的世界贸易隐含碳排放网络为加权的有向网络，可以用权重邻接矩阵W表示，如果在t年i国通过出口贸易向j国转移了碳排放Cijt，则有：

公式1

在世界贸易隐含碳排放网络复杂网络模型中，节点是国家，边是各国间的隐含碳排放关系，边的方向是隐含碳排放出口。本文利用式（1）建立世界贸易隐含碳排放权重网络并研究其变化结构特征。隐含碳排放规模来自亚太经合组织（OECD）的STAN数据库，该数据库包含了62个国家和地区2005年到2015年1的双边隐含碳排放数据。

（二）网络结构指标

网络密度。网络密度用来衡量各个国家间联系的紧密程度。它是网络中实际存在的边数与网络中理论上存在边数的最大值之间的比值。

平均聚类系数。平均聚类系数反映的是网络集团化的程度，为整个网络中所有节点各国的聚类系数的均值。点的聚类系数是网络中实际含i节点的三角形数目与理论上最大值的比。

模块度。模块度是用来衡量网络划分程度的指标。模块度越大，说明网络的分化越明显；模块度越小，说明网络的分化越不明显。模块度的值介于-1和1之间。

平均路径长度。平均路径长度是度量整体网络节点之间通信有效性的指标，它是单个节点间最短距离的平均值。

出度、入度。网络中某个点的度是指与该点相连接的边的条数。本文中出度和入度分别对应于从i国进口隐含碳排放和向i国出口隐含碳排放国家的量。

加权度、平均加权度。取得每个点的边，如果该边的源为该节点，那么该边的权重（隐含碳排放规模）为加权度。加权度的平均数为平均加权度。

接近中心度。接近中心度是指一国与其他国家的捷径距离之和。接近中心度越高，该国与网络中其他国家的联系就越紧密。

中间中心度。中间中心度是衡量一国在其他两国关系中的关键性。

特征向量中心度。特征向量中心度是衡量一国与其他国家的接近程度。

二、世界贸易隐含碳排放网络格局演变

（一）世界贸易隐含碳排放流量分布特征

2015年世界贸易隐含碳排放流量在0和453MT之间，其中，2127对国家间隐含碳排放交易规模小于0.1MT,2926对国家间隐含碳排放交易规模小于0.5MT，而这2926对国家间隐含碳排放交易规模仅为323.7MT，占全球隐含碳排放量的3.69%；而从中国到美国的隐含碳排放量为453MT，占全球隐含碳排放量的5.17%。将0.1MT和453MT这个区间以0.5为步长，分割为906个子区间，对各个子区间的国家间隐含碳排放交易量进行统计，建立双对数坐标下的分布图（见图1）。可见，世界贸易隐含碳排放流量分布长尾特征十分明显。

图12015年各国间隐含碳排放流量分布

（二）世界贸易隐含碳排放网络

为了更清晰地显示世界贸易隐含碳排放网络中碳流量分布情况，利用Gephi软件对2005年和2015年的隐含碳排放网络进行可视化描绘，见图2、图3。图中节点大小表示加权出度大小，边的宽度表示权重大小。由于2005年网络边有2376个，2015年达到2479个，全部绘制可能影响观察效果，因此首先对数据进行过滤，仅保留大于1MT的边。从2005年到2015年，世界隐含碳排放网络密度大大提高，大于1MT边从782条增加到827条。大于10MT边从106条增加到123条。其中2005年以中国为源点的边有24条，以印度为源点的边有5条；到了2015年，以中国为源点的边有30条，以印度为源点的边有11条。反映出中国和印度在隐含碳排放网络中的地位不断上升，中国已经成为世界贸易隐含碳排放网络的中心，中国等隐含碳排放出口大国生产大量的高能耗产品并出口到发达国家，产品向发达国家流动，然而将污染留在生产国国内的情况在研究期间内没有发生改变，并有加强趋势。这意味着目前以地域为边界的温室气体排放核算体系，将使中国等隐含碳排放出口大国承担越来越高的排放责任。

图22005年世界贸易隐含碳排放网络

图32015年世界贸易隐含碳排放网络

（三）世界贸易隐含碳排放网络结构特征及演化

根据世界各国隐含碳排放进出口情况，利用世界贸易隐含碳排放网络模型，计算模型中的各个指标，可以得到世界贸易隐含碳排放网络结构的基本情况。表1记录了从2005年到2015年世界贸易隐含碳排放格局演变情况。从表1可以看出，世界贸易隐含碳排放网络中的平均度呈增长趋势，各国间的隐含碳排放关系越来越密切，国家间的碳排放交换关系增加。同时平均加权度也在不断增加，说明国家间的隐含碳排放规模也在不断扩大。从2005年到2015年，世界贸易隐含碳排放网络中的边不断增加，网络的平均路径长度从1.372下降到1.345，节点加权平均度从94.923增加到106.611，而聚类系数逐渐趋于稳定，这样的规律证实隐含碳排放网络是具有无标度特征的小世界网络。网络密度从0.628提高到0.655，网络中节点国家和地区间的互动关系增强，网络的运行效率提高。世界隐含碳排放网络的模块度从2005年的0.214逐渐减少到2011年的0.181，然后又不断增大到2015年的0.189。这说明在研究区间内的初期，隐含碳排放网络中的分化逐渐减少，但到后期网络又开始出现分化。可能的原因是2009年世界金融危机后世界贸易结构出现了一定的调整，导致隐含碳排放网络格局出现了变化。社会网络中如果模块度整体在0.19左右，根据Newman[30]的界定，隐含碳排放网络虽然存在一定分化但还没有明显的社区。

表12005年到2015年世界贸易隐含碳排放网络结构特征

（四）各国在世界贸易隐含碳排放网络中的地位变化

计算典型年份2005年、2010年以及2015年各国家的网络个体指标，并进行排序，可以得到各国的网络地位演化情况（见表2）。

表2部分国家的网络地位演化

从表2中可以看出，首先美国、中国、德国等经济大国接近中心度水平较高，说明这些国家国际贸易所引致的碳排放在碳排放总量中占有很高比重。从历年世界贸易隐含碳排放网络结构变化情况看，从2005年到2015年，在隐含碳排放交易数量、强度、接近中心度、中介中心度和特征向量中心度方面，美国占据主要位置。德国、法国、英国在网络中的地位比较稳定，始终处于网络的中心地位，隐含碳排放流经由这些国家的路径多、概率高，控制其他国家之间生产及碳排放关联的能力较强，在国际碳排放网络中属于关键节点。从前文可见，这些国家一般是进口隐含碳排放大国，并通过进口发展中国家的商品和服务，将碳排放转移到了中国和印度等发展中国家。日本、俄罗斯、韩国在网络中地位下降，尤其是中间中心度指标和特征向量中心度指标都呈下降趋势，可能的原因是这些国家最终产品出口占比较高，因而经由这些国家的隐含碳排放交易路径缩短。中国、印度的各项指标不断上升，中国目前已经成为世界最大的隐含碳排放大国，并处于网络的中心地位。这表明中国不断嵌入全球价值链，在与其他国家进行广泛的供应链合作关系的同时，最终产品贸易和中间产品贸易频繁，贸易隐含碳排放关联随之建立，成为全球碳转移排放的主要目的地。

三、世界贸易隐含碳排放网络的影响因素分析

（一）因素选择与模型构建

根据以往文献研究，能源强度、人均收入水平以及产业结构是影响二氧化碳排放的重要因素（见Kaya[31]，张伟等[32]，孙元君和张慧[33]）。由于本研究主要分析的是国家间的隐含碳排放关系，隐含碳排放主要伴随进出口贸易进行转移，两国间贸易规模是影响隐含碳排放关系的首要因素。由于各国间物流通关效率会影响贸易量，因此也可能会影响隐含碳排放规模。本国的碳排放不仅取决于自身的控制，而且受到邻近国的影响，因此空间关系也可能影响两国间碳排放关系。另外考虑污染避难所假设，各国间环境规制差异可能导致碳转移排放。因此，本文拟对各国间空间邻接关系、贸易关系、能源消耗差异、人均收入水平差异、经济结构差异、物流通关效率差异、环境规制水平差异是否影响各国间隐含碳排放关系进行检验。

多元回归分析的前提之一是要求解释变量之间相对独立，不能高度线性相关，否则会出现“多重共线性”，使得回归有偏误。本文的研究对象是多个国家和地区间隐含碳排放关系，由于是关系数据，不能运用传统计量方法进行统计检验，因此采用社会网络分析法中的QAP法（QuadraticAssignmentProcedure，二次指派程序）对世界贸易隐含碳排放网络的影响因素进行分析，并建立模型如下：

公式2

其中，DIS为各国间距离矩阵，来自CEPII数据库；EINT为各国间能源强度差异矩阵，以各国能源强度的绝对值差异构建；RGDP为经济发展水平差异矩阵，以各国人均GDP的绝对值差异构建；ES-TU为经济结构差异矩阵，经济结构以各国第二产业增加值占GDP比重代表；LOG为各国间物流通关效率；EINT、RGDP、ESTU、LOG数据均来自于世界发展指标（WDI）数据库。TRADE为各国间贸易数据，来自OECD数据库。EPI为环境规制差异矩阵，数据来自历年美国耶鲁大学环境法律与政策中心（YCELP）联合哥伦比亚大学国际地球科学信息网络中心（CIESIN）、世界经济论坛（WEF）联合发布的《全球环境绩效指数报告》（简称EPI报告）。鉴于各个数据库的数据可得性，仍以前述62个国家和地区为样本，并选取2015年的数据开展分析。

（二）QAP回归分析

本文先利用2015年数据对因变量矩阵与各个自变量矩阵的QAP相关关系进行判断，然后进行QAP回归分析。选择5000次随机置换，并将得到的结果报告记在表3中。为了保证模型的稳健性，本文利用2010年数据对回归关系再次验证，一并记入表3中。

QAP回归分析显示，2015年R2为0.573,2010年为0.345，模型解释力较好。从整体回归结果看，影响各国间隐含碳排放关系的主要是贸易规模和能源结构差异；两国间空间临近关系和物流通关能力对隐含碳排放关系有一定影响。

各国间贸易隐含碳排放与贸易量存在着正相关关系。一国进出口贸易规模的扩大必将伴随着碳转移排放规模的扩大。从中国的情况来看更是如此，中国目前已经成为出口第一大国，但是对外贸易尤其是出口贸易为中国带来经济增长的同时，也使中国承担了大量的隐含碳排放。胡剑波等[34]证实中国对外贸易增长与进出口隐含碳排放脱钩关系总体相对稳定，主要脱钩状态为弱脱钩，即对外贸易和进出口碳排放都处于增长状态。

表3QAP相关分析结果

各国间贸易隐含碳排放与能源强度差异存在着正相关关系。各国间能源强度差异越大，其间碳转移排放的规模也可能越大。能源强度是指能源消费量与国内生产总值的比值。一国（地区）能源强度高，说明其生产单位产值所消耗的能源多，碳排放量也越多。例如，在过去几十年，中国能源消费总量的70%左右依赖煤炭来推动经济的快速增长，因此，中国的二氧化碳排放量和中国出口产品的二氧化碳排放量都是由中国以煤为主的能源结构造成的。如果中国能够大幅降低煤炭在其能源结构中的比重，那么中国的二氧化碳排放量以及中国出口产品的二氧化碳排放量将大幅减少。

各国间贸易隐含碳排放与物流绩效差异存在着负相关关系。各国间物流绩效水平差异越小，其间碳排放转移的可能性越大。这是由于物流绩效对国际贸易有重要影响，两国间物流水平越相近，越有利于双边贸易，因此也会促进碳转移排放。

各国间贸易隐含碳排放与国家间距离存在着负相关关系，但是有些年份并不显著。传统的国际贸易引力模型中国家间距离与贸易规模负相关，但是随着国际物流的加快发展尤其是国际集装箱运输的出现，物流成本大幅降低，国家间距离对于贸易的影响也越来越小。

四、结论及建议

（一）结论

本文利用社会网络分析法对世界各国间贸易隐含碳排放的空间关联特征及演化进行了分析，并运用QAP技术分析了影响世界各国间贸易隐含碳排放关系的因素。

结果显示：首先，国家间的碳排放交换关系进一步加强，各国间的隐含碳排放规模也在不断扩大。中国已经成为世界隐含碳排放出口的中心，美国是进口中心同时也是增加值收益中心。尽管中国出口隐含碳排放规模巨大，但是并未获得相应的增加值收益，出口增加值依然主要流向欧美发达国家。中国等发展中国家的出口替代了部分发达国家的排放，并且其出口收益带来的补偿远远不能弥补环境代价。其次，各国间隐含碳排放长尾特征十分明显，隐含碳排放网络是具有无标度特征的小世界网络。再次，从世界隐含碳排放空间格局演变情况看，从2005年到2015年，美国、德国、法国、英国在网络中的地位比较稳定，始终处于网络的中心地位；日本、俄罗斯、韩国在网络中地位下降；中国、印度在网络中的地位不断上升。此外，影响隐含碳排放关系的主要因素是贸易规模和能源结构差异；两国间空间临近关系和物流通关能力对隐含碳排放关系有一定影响。

（二）建议

针对我国在世界贸易隐含碳排放网络空间中的地位及其变化情况，建议如下：其一，中国在联合国气候谈判中应高度重视转移排放问题。中国既是人口大国，也是世界贸易大国，应积极主张基于生产侧与消费侧共同承担碳排放责任的核算机制，以确保中国获得公平合理的排放额度和排放权。其二，改造和提升加工贸易。这不仅对中国深化对外开放、保持国际竞争优势至关重要，而且对改善环境、限制二氧化碳排放也至关重要。贸易政策的调整应着力改变“为出口而进口”的贸易格局，推动我国经济转向内需和外需双引擎的增长模式。其三，加速低碳转型的力度，提高能源利用效率。贸易规模和能源效率是影响隐含碳排放的重要因素，当前中国经济社会处在工业化和城市化阶段中后期，出口规模仍会缓慢增长。因此，必须大力提高能源利用效率，降低产出单位GDP的能源消耗和二氧化碳排放。一方面应继续加大产业结构调整，另一方面需要大力发展新能源和可再生能源。

参考文献：

[2]韩中,陈耀辉,时云.国际最终需求视角下消费碳排放的测算与分解[J].数量经济技术经济研究,2018,35(7):115-130.

[4]彭水军,张文城,孙传旺.中国生产侧和消费侧碳排放量测算及影响因素研究[J].经济研究,2015(1):170-184.

[5]潘安.全球价值链分工对中国对外贸易隐含碳排放的影响[J].国际经贸探索,2017(3):15-27.

[6]吕延方,崔兴华,王冬.全球价值链参与度与贸易隐含碳[J].数量经济技术经济研究,2019,36(2):46-66.

[7]王文举,向其凤.国际贸易中的隐含碳排放核算及责任分配[J].中国工业经济,2011(10):58-66.

[8]闫云凤,赵忠秀.中国对外贸易隐含碳的测度研究---基于碳排放责任界定的视角[J].国际贸易问题,2012(1):133-144.

[11]张同斌,孟令蝶,孙静.碳排放共同责任的测度优化与国际比较研究[J].财贸研究,2018,29(10):19-31.

[12]钟章奇,姜磊,何凌云,等.基于消费责任制的碳排放核算及全球环境压力[J].地理学报,2018(3):442-459.

[13]孙天阳,肖皓,孟渤.制造业全球价值链网络的拓扑特征及影响因素---基于WWZ方法和社会网络的研究[J].管理评论,2018,30(9):49-60.

[20]陈银飞.2000-2009年世界贸易格局的社会网络分析[J].国际贸易问题,2011(11):31-42.

[21]赵国钦,万方.世界贸易网络演化及其解释---基于网络分析方法[J].宏观经济研究,2016(4):151-159.

[23]孙晓蕾,杨玉英,吴登生.全球原油贸易网络拓扑结构与演化特征识别[J].世界经济研究,2012(9):11-17.

[24]马述忠,任婉婉,吴国杰.一国农产品贸易网络特征及其对全球价值链分工的影响---基于社会网络分析视角[J].管理世界,2016(3):60-72.

[25]马远,徐俐俐.丝绸之路经济带沿线国家石油贸易网络结构特征及影响因素[J].国际贸易问题,2016(11):31-41.

[26]种照辉,覃成林.“一带一路”贸易网络结构及其影响因素---基于网络分析方法的研究[J].国际经贸探索,2017(5):17-29.

[27]张德钢,陆远权.中国碳排放的空间关联及其解释---基于社会网络分析法[J].软科学,2017(4):15-18.

[28]杜培林,王爱国.全球碳转移格局与中国中转地位:基于网络治理的实证分析[J].世界经济研究,2018(7):97-109+139.

[29]张同斌,孙静.“国际贸易-碳排放”网络的结构特征与传导路径研究[J].财经研究,2019(3):115-127.

[32]张伟,朱启贵,高辉.产业结构升级､能源结构优化与产业体系低碳化发展[J].经济研究,2016(12):64-77.

[33]孙元君,张慧.环境规制､产业结构升级与区域经济增长[J].信阳师范学院学报(哲学社会科学版),2019,39(2):54-59.

[34]胡剑波,高鹏,张伟.中国对外贸易增长与隐含碳排放脱钩关系研究[J].管理世界,2017(10):172-173.

王敏杰.国际贸易隐含碳排放网络格局演化及其影响因素研究[J].信阳师范学院学报(哲学社会科学版),2020(05):19-26.

基金:国家社科基金项目(18BJY028);浙江省科技厅软科学项目(2020C35030,2018C35012)