李焱 李佳蔚 王炜瀚 黄庆波

摘要 随着全球价值链（GVC）和全球气候治理的深入发展，GVC研究框架已成为研究碳排放效率的重要工具。“一带一路”倡议为GVC重塑提供契机，那么GVC嵌入能否成为提高“一带一路”沿线国家制造业碳排放效率的新途径是一个值得研究的问题。文章在梳理了GVC嵌入对碳排放效率影响的理论机制基础上，基于WIOD数据库2000—2014年包含的“一带一路”沿线国家制造业的投入产出数据，采用多区域投入产出模型和非径向方向距离函数模型（DDF）分别对这些国家制造业的GVC嵌入程度和碳排放效率进行测算，并实证检验了GVC嵌入对沿线国家制造业碳排放效率的影响。研究发现：①GVC嵌入可以提升“一带一路”沿线国家制造业的碳排放效率。由不同来源引致的GVC嵌入对碳排放效率的提升作用不同，沿线国家制造业的碳排放效率提升主要源于发达国家清洁行业和发展中国家污染行业引致的GVC嵌入。②GVC嵌入对碳排放效率的影响存在显著的行业异质性，具体表现为GVC嵌入更加利于提升沿线国家技术密集型行业的碳排放效率，而对劳动密集型行业和资本密集型行业的碳排放效率具有显著的抑制作用，说明技术水平越高的行业越可以通过GVC嵌入方式实现碳排放效率的提升;技术水平越低的行业参与GVC嵌入面临环境污染威胁的风险越大。③GVC嵌入主要通过“追赶效应”“创新效应”和“领先效应”改善沿线国家制造业的碳排放效率。其中，“追赶效应”是优先机制，说明GVC的嵌入主要通过改善沿线国家制造业生产能力的方式提升碳排放效率;“领先效应”是次优机制，而“创新效应”是待突破机制，说明GVC嵌入对于提高沿线国家制造业的市场竞争能力和自主创新能力的作用有限。

关键词 全球价值链;“一带一路”;碳排放效率;制造业

中图分类号 F205 文献标识码 A 文章编号 1002-2104（2021）07-0015-12DOI：10.12062/cpre.20201216

随着国际生产分割趋势愈加明显，全球价值链（Global Value Chain，GVC）已经成为经济全球化和国际分工的新常态 [1-2]。长期以来，包括中国在内的多数“一带一路”沿线国家制造业凭借自然资源和劳动力优势，通过加工贸易、国际产业转移、外包等方式快速嵌入到以发达国家为主导的GVC国际分工体系中，成为GVC的重要参与者 [3]。在这一体系中，这些国家由于长期处于低附加值、高能耗的生产环节，导致贸易利得和碳成本的比例存在严重失衡。包括中国在内的沿线国家GDP占全球的29%，而能源消费和二氧化碳排放却占到了全球的50%～60%以上，尤其是碳排放增长率更是达到世界平均水平的2倍 [4-5]。提高碳排放效率是保证经济增长和实现节能减排的重要手段 [6-7]。为了避免这些国家陷入先污染后治理的发展怪圈，同时又可以充分利用GVC嵌入带来的经济效益，亟需在GVC的框架下寻找一条提高“一带一路”沿线国家制造业碳排放效率的途径。当前，中国发起的“一带一路”倡议旨在推进资源合理配置以及全球市场的深度融合，同时又将中国和沿线国家的气候治理目标连接在一起，符合沿线国家的低碳可持续发展的诉求。那么，以中国提出的“一带一路”倡议为契机，构建以中国为核心枢纽的GVC分工新体系，能否成为提高“一带一路”沿线国家制造业的碳排放效率的新途径？为了回答这个问题，我们试图将GVC引入碳排放效率的研究中，搭建GVC嵌入对“一带一路”沿线国家制造业碳排放效率影响的分析框架，检验GVC嵌入对碳排放效率是否具有提升作用，判断GVC嵌入对碳排放效率的影响是否存在差异，并厘清GVC嵌入对碳排放效率影响的内在作用机制。这不仅有利于促进中国在GVC分工体系中的角色由参与者向引领者转变，也有利于推动中国与“一带一路”沿线国家更好地开展低碳合作。

1 文献综述

随着GVC和全球气候治理的深入发展，越来越多的学者开始从GVC视角研究碳排放效率问题。Liu等 [8]认为GVC中产品内部活动的国际专业化对发展中国家产生巨大影响。一方面，发展中国家的原始设备制造商通过GVC嵌入可以在技术和管理经验上受益，进而对碳排放效率产生正的影响 [9]。另一方面，发展中国家通常在能源和碳密集型行业中占据全球生产的主要位置，GVC嵌入会增加能源消耗和二氧化碳排放，进而对碳排放效率产生不利影响 [8]。谢会强等 [10]实证发现GVC嵌入程度对中国制造业碳生产率具有正向影响， 并且与发展中国家的GVC关联以及深度参与型的GVC嵌入对中国制造业碳生产率的提升作用更明顯。从GVC嵌入方式出发，孙华平和杜秀梅 [11]研究发现GVC前向嵌入和GVC后向嵌入对碳排放效率的影响不同。GVC后向嵌入度的提升有利于提高中国工业的碳生产率，而GVC前向嵌入度对中国工业碳生产率没有提升作用，主要原因是我国工业前向嵌入水平较低。此外，GVC嵌入对碳排放效率的影响还存在显著的行业异质性，其中GVC嵌入对技术密集型行业的碳排放效率具有改善作用 [3，12]，但是提升中低技术制造业的GVC嵌入程度对行业碳排放效率的影响不显著 [10]。也有学者认为中国存在GVC嵌入的环境风险，随着GVC嵌入程度的加深，会增加中国制造业的碳排放 [13-14]，主要原因在于中国所处的GVC分工地位较低。

随着“一带一路”建设不断推进，越来越多的学者开始关注沿线国家的碳排放效率问题。高赢和冯宗宪 [15]运用SBM模型与ML指数对“一带一路”沿线32个国家碳排放效率进行测评。结果显示沿线国家碳排放效率水平总体偏低，其中纯技术效率是导致各国碳排放效率存在差异的主要原因。李小平等 [16]对“一带一路”沿线国家的碳排放效率及其收敛性进行测算并分析其影响因素，发现沿线国家总体的碳排放效率呈上升趋势，其中提高要素的配置效率和对外开放度有利于提升碳排放效率。目前，全球95%以上的隐含碳净流出发生在“一带一路”沿线国家，其中30%是由美国、西欧等发达国家/地区的消费所引发的 [17]。因此，“一带一路”沿线国家整体正承受着较大的碳排放压力。

根据上述研究发现，学者们从某一特定国家和行业层面研究了GVC嵌入对碳排放效率的影响，并且发现由于国别差异、行业差异、前后向关联引致的GVC嵌入对碳排放效率产生的影响不同，鲜有文章以某一特定区域为研究对象，探究GVC嵌入对碳排放效率的影响，并将碳排放效率进行分解，深入考察GVC嵌入对碳排放效率影响的内在机制。与已有研究相比，文章可能的边际贡献：①构建GVC嵌入对“一带一路”沿线国家制造业碳排放效率影响的分析框架，从不同国家和行业与沿线国家参与GVC嵌入关联的角度出发，全面分析GVC嵌入对碳排放效率的影响，这不仅为沿线国家GVC嵌入方式提供新的參考，还为从GVC嵌入视角寻找低碳经济增长的实现路径提供理论支撑。②引入非径向共同前沿DDF模型对碳排放效率进行测度和分解，探究GVC嵌入影响碳排放效率的内在传导机制，为中国将全球气候治理融入绿色“一带一路”建设提供新的发展思路。

2 GVC嵌入对碳排放效率影响的理论机制分析

2.1 GVC嵌入对碳排放效率整体的影响

GVC嵌入对碳排放效率的影响存在多种效应，主要体现在：一是“技术溢出效应”，即由于参与GVC的国家与GVC主导国之间存在技术差距，在GVC分工中主要从事加工组装工作的国家，通过大量进口技术含量高的中间品，以较低成本吸收主导国的先进技术，实现技术进步 [18]，从而提升碳排放效率。此外，参与GVC的国家经过主导国企业的技术指导与管理培训，生产流程和组织管理方式得以改善，使得本土企业生产率大幅提升，从而提高碳排放效率 [19]。二是“规模效应”，一方面随着参与GVC的国家进入国际市场，进口优质中间品的规模逐渐扩大，自身的生产率得到提高，碳排放效率也随之改善 [20]。另一方面，参与GVC的国家为满足国际市场需求，需要充分发挥自身比较优势，扩大生产规模，优化资源配置，实现规模经济，使得工艺水平和产品质量提升 [21]，从而间接改善了碳排放效率。三是“环境规制效应”，一方面参与GVC使得国家的经济和收入水平增加，导致民众对“高质量生态环境”的需求增强。因此，政府会加强环境管制，倒逼本土工业企业开展绿色生产技术研发，从而实现碳排放效率的改善 [12-22];另一方面，一些通过外包进行直接投资的跨国企业，为了应对日趋严苛的环境管制，也会积极采用先进的低碳生产设备并提升绿色管理水平，从而间接提升产业碳生产率 [11]。四是“低端锁定效应”，指参与GVC的国家在向高端环节攀升的过程中，极有可能遭受来自国际大买家和跨国公司的双重阻击和控制，最终被锁定在附加值低的加工制造环节 [23]，被处于强势地位的主导国掣肘于“低端”的风险较大 [24]，从而抑制碳排放效率提升。王玉燕等 [12]认为GVC嵌入对碳排放效率的影响是不确定的。在GVC嵌入的初级阶段，参与GVC的国家能够通过工艺升级与产品升级获得技术外溢;而发展到更高级的功能升级和链条升级阶段，便会触碰到主导国的核心利益，遭受到封锁与抑制。由此可见，GVC嵌入对碳排放效率的最终影响取决于各种效应的交互作用。因此，GVC嵌入对“一带一路”沿线国家制造业碳排放效率的影响需要进一步的验证。

2.2 GVC嵌入对追赶效应、创新效应和领先效应的影响机制

GVC嵌入对追赶效应 （EC） 的影响主要体现在效率改进上：一方面在GVC的分工体系下，各国凭借自身的比较优势参与GVC，使得参与GVC的国家可以把资源集中在自身具有比较优势的环节，优化了资源配置，减少了无谓耗损，从而使得单位投入的产出提高，生产效率得到提高 [25]。另一方面参与GVC嵌入可以进口技术含量高或者自身缺乏竞争优势的中间品，直接促进效率提高。

GVC嵌入对创新效应 （BPC） 的影响主要体现在技术创新上：参与GVC的国家可以快速熟悉国际市场运作，向主导国学习先进技术和管理经验，提升自身的节能减排技术，进而推动自身的技术升级;同时为了保证更好地融入国际市场，参与GVC的国家必须提高产品质量以及执行更为严格的环保标准，倒逼其提高自主创新意识以及加大对节能减排技术的研发投入，使技术向前沿面推进，实现自主创新能力的提升 [26]。

GVC嵌入对领先效应 （TGC） 的影响主要体现在示范作用上：参与GVC的国家与GVC主导国存在技术差距，作为“技术领导者”的GVC主导国对于参与GVC的国家具有一定的示范作用，激励参与GVC的国家通过模仿、学习和二次创新的方式努力向“技术领导者”靠拢;另一方面在同一群组中也存在技术领先的国家，这些国家由于具备相似的经济发展特征和资源禀赋，因此他们的发展经验更值得借鉴，从而促进共同技术进步。图1为GVC嵌入对碳排放效率影响的机制。

3 模型设定、测度方法与数据来源

3.1 模型设定

为了分析不同来源引致的国外增加值对“一带一路”沿线国家制造业碳排放效率的影响，在借鉴Antweiler等 [27]和Miketa等[28]的相关研究的基础上，构建以下GVC嵌入对“一带一路”沿线国家制造业碳排放效率的计量模型：

TCPIi，t=α a+β0 aTCPIi，t-1+β1 avsit+β2 aZit+ui a+εit a （1）

TCPIi，t=α c+β0 cTCPIi，t-1+β1 cvs_edit+β2 cvs_ingit+

β3 cZit+ui c+εit c （2）

TCPIi，t=α in+β0 inTCPIi，t-1+β1 invs_dirit+β2 invs_cleanit+

β3 inZit+ui in+εit in （3）

TCPIi，t=α d+β0 dTCPIi，t-1+β1 dvs_ed_dirit+

β2 dvs_ed_cleanit+β3 dvs_ing_dirit+

β4 dvs_ing_cleanit+β5 dZit+

ui d+εit d （4）

其中，上标 a、c、in、d 分别代表总体的GVC嵌入程度、国别差异引致的GVC嵌入程度、行业差异引致的GVC嵌入程度以及同时考虑国别和行业差异引致的GVC嵌入程度。 i代表国家，t代表时间，表示用于控制不随时间变化的个体异质性，表示随机误差项，Z为控制变量 ， TCPI 代表碳排放效率， TCPI 的滞后一期也包含在回归方程中，用于刻画上一期碳排放效率对本期的影响。此外， vs 为GVC嵌入程度，其中 vs_ed和vs_ing 分別表示发达国家引致的GVC嵌入和发展中国家引致的GVC嵌入; vs_dir和vs_clean 分别表示污染密集型行业（简称污染行业）引致的GVC嵌入和清洁行业引致的GVC嵌入; vs_ed_dir、vs_ed_clean、vs_ing_dir和vs_ing_clean 分别表示发达国家污染行业引致的GVC嵌入、发达国家清洁行业引致的GVC嵌入、发展中国家污染行业引致的GVC嵌入和发展中国家清洁行业引致的GVC嵌入。文章通过模型（1）—（4）分别从整体的GVC嵌入程度、国别差异引致的GVC嵌入程度、行业差异引致的GVC嵌入程度以及同时考虑国别和行业差异引致的GVC嵌入程度四个方面考察GVC嵌入对“一带一路”沿线国家制造业的碳排放效率的影响。

3.2 核心变量测度和数据来源

3.2.1 GVC嵌入程度测度

全球价值链嵌入程度反映的是一国参与全球价值链分工的程度，最早由Hummels等 [29]提出的垂直专业化指数表示，衡量的是一国出口品中所包含的进口品。但是该方法假定一国出口品将被进口国完全用于最终需求，这与中间品贸易占国际贸易近三分之二以及存在增加值返回本国的现实不符;为了将增加值贸易考虑在内，Koopman等 [30]从增加值核算的角度将一国的总出口分解为不同来源国的增加值，王直等 [31]提出的总贸易核算法是在Koopman的基础上，将一国出口贸易额进一步分解为16部分，其中出口国外增加值和重复计算的部分之和与该国总出口的比值为垂直专业化率 （vs） 。文章基于总贸易核算法将一国制造业的出口国外增加值 （FVA） 和重复计算部分 （PDC） 之和与制造业出口总额 （EX） 的比值表示制造业的嵌入程度，具体公式如下：

vs=（FVA+PDC）/EX （5）

考虑到GVC嵌入的国别差异，借鉴唐宜红等 [32]的思路，将 vs 分为由发达国家引致的GVC嵌入和由发展中国家引致的GVC嵌入。同时，由于环境规制的差异，高污染密集度的行业更容易被嵌入GVC，导致更多的碳排放 [3]。因此有必要分别分析由污染行业和清洁行业引致的GVC嵌入。污染密集行业是指在生产过程中直接或间接产生大量污染物而没有进行充分处理的工业。根据Busse [33]将相对污染治理成本所占比重超过1.8%的行业定义为污染行业，结合WIOD行业对照表对污染行业进行以下界定，污染行业包括采矿和采石业（C4）、食品、饮料和烟草制品制造（C5）、纺织原料及其制品业（C6）、家具和木料软木制品制造（C7）、纸和纸制品制造（C8）、焦炭和精炼石油产品制造（C10）、化工产品制造（C11）、基本药物和药物制剂制造（C12）、橡胶和塑料制品制造（C13）、其他非金属矿物制品制造（C14）、碱性金属制造（C15）、机械产品制造（C16）、电气、热力、燃气和空调的生产（C24）以及供应业和水的生产和供应业（C25）。

3.2.2 碳排放效率的测度

鉴于基于数据包络分析（data envelopment analysis，DEA）的非径向方向距离函数（directional distance function，DDF）模型可以同时考虑期望产出（如GDP）的扩张和非期望产出（如二氧化碳）的缩减，更符合决策者的生产需求，因此运用非径向DDF模型对碳排放效率进行测量。假设有 n 个决策单元（decisionmaking units，DMUs），每个决策单元DMU j （j=1，2，…，n） 消耗 m种投入得到s种期望产出和p种非期望产出 ，投入、期望产出和非期望产出向量分别为 xj =（x1j，x2j，…，xmj）， yj =（y1j，y2j，…，ysj）， bj =（b1j，b2j，，bpj）， 那么，生产可能集可以表示为如下：

T={（x，y，b）|x可以生产（y，b）} （6）

为测量DMU的碳排放效率，根据数据的可得性，文章以制造业参与劳动人数 （L） ，制造业的资本存量 （K） 以及制造业能源使用量 （E） 为投入指标;以制造业增加值 （Y） 作为期望产出;以制造业二氧化碳排放量 （C） 为非期望产出。那么，规模报酬不变假设下的生产可能集如下所示：

T=（K，L，E，Y，C）∑ nj=1λjKjK，∑ nj=1λjLjL，∑ nj=1λjEjE

∑ nj=1λjYjY

∑ nj=1λjCj=C

λj0，j=1，2，…，n      （7）

因此，考虑非期望产出的非径向DDF定义如下：

NDT（K，L，E，Y，C;g）=sup{w Tβ：（（K，L，E，Y，C）+

g×diag（β））∈T} （8）

其中， w=（wK，wL，wE，wY，wC） T 表示与投入/产出个数有关的标准化后的权重向量; g=（-gK，-gL，-gE，gY，-gC）≠0 为方向向量，投入/非期望产出和期望产出可以在此方向下缩减和扩张; β=（βK，βL，βE，βY，βC） T0 表示每个投入/产出的改进比例。结合（7）和（8），可以求解以下线性规划得到被评价 DMUo的NDT（K，L，E，Y，C;g） 值：

NDT（K，L，E，Y，C;g）=max（wkβk+wLβL+wEβE+

wYβY+wCβC）

s.t.∑nj=1λjKjKo-βKgK

∑nj=1λjLjLo-βLgL

∑nj=1λjEjEo-βEgE

∑nj=1λjYjYo+βYgY

∑nj=1λjCj=Co-βCgC

λj0，j=1，2，…，n

βK，βL，βE，βY，βC0 （9）

由于资本、劳动力与二氧化碳的排放无直接联系，需要将二者剔除以准确反映能源消耗和污染物排放的关系，参考文献[34-35]，文章设定权重向量 w=（0，0，1/3，1/3） T以及方向向量g=（0，0，-E，Y，-C），并定义全要素二氧化碳排放效率（TCPI） 为目标碳排放强度与实际碳排放强度的比值：

TCPI=（Co-β *C×Co）/（Yo+β *Y×Yo）Co/Yo

=1-β *C1+β *Y   （10）

TCPI 度量了被评价DMU最大的碳减排能力，同时测量了该DMU在某一特定时期的二氧化碳排放效率。可以看出， TCPI 介于0到1之间。 TCPI 反映了环境保护水平，其值越大，碳排放效率越好，污染越少。

为了进一步分析GVC嵌入对碳排放效率的影响机制，即GVC嵌入通过影响碳排放效率的具体组成部分，进而影响碳排放效率。文章对动态 TCPI 进行分解。首先按照国际货币基金组织（International Monetary Fund，IMF）的分类标准将“一带一路”沿线16个国家分为发达国家和发展中国家两个组群。然后定义三种生产可能集：①当期生产前沿技术。 T Ck，t={（xk，t，yk，t，bk，t）|xk，t可以生产（yk，t，bk，t）}，k=1，2，…K，t=1，2，…，T， 描述了特定群组 k 在特定时期 t 的最优生产状态。②跨期生产前沿技术。 T Ik=T Ck，1∪T Ck，2∪…∪T Ck，T ，描述了特定群组 k 在所有时期内的最优生产状态。③全局生产前沿技术。 T G=T I1∪T I2∪…∪T IK， 刻画了所有DMU在所有时期内的最优生产状态。基于以上三种生产可能集，我们可以得到 t时期和t+1 时期的 TCPI ，分别标记为， TCPI C（t），TCPI C（t+1），TCPI I（t），TCPI I（t+1），TCPI G（t），TCPI G（t+1）。 根据Yao 等 [36]的研究，定义全局生产技术前沿面碳排放效率 （MNMCPI） 以描述 TCPI的动态变化，并将其分解为效率变化（EC）、当期群组和跨期群组技术的差距变化（BPC）和跨期群组和全局技术的差距变化（TGC） 三种指标，具体如下：

MNMCPI（t，t+1）=TCPI G（t+1）TCPI G（t）

=TCPI C（t+1）TCPI C（t）×

TCPI I（t+1）/TCPI C（t+1）TCPI I（t）/TCPI C（t）×

TCPI G（t+1）/TCPI I（t+1）TCPI G（t）/TCPI I（t）

=TE（t+1）TE（t）×BPR（t+1）BPR（t）×

TGR（t+1）TGR（t）

=EC×BPC×TGC （11）

其中， EC测量了群组内碳排放效率从时期t到时期t+1的效率变化，EC>1或EC<1 表示DMU较 t时期在t+1 时期更接近或远离当期生产技术前沿面，因此 EC 描述了群组内DMU对当期生产前沿技术的“追赶效应”。 BPC 测量了当期生产技术与跨期生产技术的差距在时期 t和时期t+1 的变化， BPC>1或BPC<1 表示当期生产技术前沿面偏向或远离跨期生产技术前沿面，因此 BPC 反映了DMU的“创新效应”。 TGC 测量了跨期生产技术与全局生产技术的差距在时期 t和时期t+1的变化，TGC>1或TGC<1 表示两者之间差距的缩小（扩大），即跨期生产技术偏向或远离全局生产技术，因此 TGC 描述了相对于全局技术前沿面的“领先效应”。

3.2.3控制变量和数据来源

借鉴彭星等 [13]和谢会强等 [10]的研究结论，并考虑到数据的可得性，选取的控制变量如下：贸易规模水平 （sca） 表示以增加值来衡量的贸易规模，文章以本币价格计算的制造业增加值与以本币价格计算的制造业总产出的比值来衡量，数据来自WIOD的社会经济核算数据表;公共服务水平 （gov） 衡量的是一国整体的资源配置水平，以一般政府公共消费支出占GDP的比重作为衡量标准，数据来自世界银行数据库;技术创新水平 （pat） 衡量的是一国的技术创新能力，以各国专利申请数占世界专利申请数的比重来衡量，数据来自世界银行数据库;自然资源丰裕水平 （nat） 衡量的是一国资源的要素禀赋情况，以一国农林牧渔业和采矿业总出口占一国总出口比值来表示，数据来自WIOD的社会经济核算数据表;全球治理水平 （rul） 主要评价的是政府治理的有效性，选取腐败监管指数、效能指数、稳定指数、监管治理指数、法律制度指数、民主自由权利指数的算数平均数作为衡量指标，数据来自世界银行数据库。

GVC嵌入程度的计算数据来自世界投入产出表数据库（WIOD 2016），包括43个国家，见表1。此外，制造业参与劳动人数 （L） 、制造业的资本存量 （K） 以及制造业增加值 （Y） 数据来自WIOD 2016的社会经济核算数据表;制造业能源使用量 （E） 以及制造业二氧化碳排放量 （C） 数据來自WIOD 2016相配套的碳排放数据库。由于WIOD 2016只包含16个“一带一路”沿线国家，为保证数据的可得性，主要以这16个国家的制造业为研究对象（见表1中星号所示），时间跨度为2000—2014年，即包含240个观测值的面板数据。表2给出了制造业及其细分行业的类型划分。

4 实证结果分析与检验

首先实证分析了GVC嵌入对“一带一路”沿线国家制造业碳排放效率的影响程度;然后针对GVC嵌入对碳排放效率的影响进行了异质性分析以及稳健性检验;最后在此基础上，分析了GVC嵌入对碳排放效率的影响机制，图2是本部分实证分析的逻辑思路。

4.1 基准回归结果分析

根据模型（1）—（4）依次考察了由不同来源引致的GVC嵌入对“一带一路”沿线国家制造业碳排放效率的影响。考虑到面板数据容易出现组间异方差和组内自相关等问题，导致普通的最小二乘法（ordinary least square，OLS）估计失效，文章选择全面可行广义最小二乘法（feasible generalized least squares，FGLS）对模型进行面板回归分析。基准回归结果见表3。

由表3（1）列可以看出，GVC嵌入程度的回归系数显著为正，说明在样本期间，GVC嵌入能够显著提升“一带一路”沿线国家制造业的碳排放效率。这与从GVC治理角度分析一国是否应该参与GVC的观点一致 [37]。因为GVC主导国的制造行业在工艺水平和管理能力上存在比较优势，主要从事低能耗、低污染和高增加值的产品研发和营销环节的工作，从而处于GVC“微笑曲线”的两端。而“一带一路”沿线国家的制造行业主要在能源禀赋和人力资本上存在比较优势，主要从事高能耗、高污染和增加值低的加工和组装环节的工作，此时GVC嵌入带来的技术进步起主要作用，促进沿线国家制造业转型升级，提高碳排放效率。

由表3（2）列可以看出，由发达和发展中国家引致的GVC嵌入对“一带一路”沿线国家制造业的碳排放效率具有显著的提升作用，且发展中国家引致的GVC嵌入的系数高于由发达国家引致的，表明由发展中国家引致的GVC嵌入对碳排放效率的提升作用更大。产生这种结果的原因有两点：一是沿线国家与不同经济体在贸易方面存在“权利”差距。自2000年以来，来自发达国家的中间品进口一直高于50%，而来自发展中国家的中间进口不足18%，因此GVC分工由发达国家主导。当从发达国家进口中间品时，多数沿线国家只有“被支配权”，被转移的产业大多具有高污染、高能耗的特征。而从发展中国家进口中间品时，有些沿线国家具有“主导权”，可以选择引进相对先进的低碳产品，减少碳排放 。二是沿线国家与不同经济体的贸易方式不同。数据显示，沿线国家制造业大国与发达国家主要从事一般贸易，从发达国家进口的中间品有50%以上流向计算机及电子产品制造部门和汽车制造部门，主要流向的国家是中国、土耳其、波兰、捷克等制造业大国，这些部门主要通过进口机械设备等资本品进行零部件的半成品和成品生产，需要消耗大量能源，导致污染强度加大;然而沿线国家与欠发达经济体主要从事加工贸易，从欠发达国家进口的中间品有25%以上流向纺织品制造、家具制造等部门，主要流向的国家是印度和印度尼西亚等劳动力资源丰富的国家，这类行业主要依靠廉价劳动力，对能源的依赖较少。

由表3（3）列可以看出，由清洁行业引致的GVC嵌入对“一带一路”沿线国家制造业的碳排放效率具有显著“技术溢出”效应。二是数据显示污染行业60%的中间品流入了计算机制造、汽车制造、电气制造等高端装备制造业部门，中国和土耳其两国吸收了50%以上。这两个国家都处于产业结构转型时期，高端装备制造业处于大而不强的状态，他们通过GVC嵌入学习发达国家的技术和管理经验，降低了单位产出污染量，提高了能源的使用效率。同时随着技术的扩散，使得自身的污染规模控制能力、污染物处理能力都得到提升。

由表3（4）列可以看出，发达国家清洁行业引致的GVC嵌入和发展中国家污染行业引致的GVC嵌入对“一带一路”沿线国家制造业的碳排放效率具有显著的提升作用;发达国家污染行业引致的GVC嵌入和发展中国家清洁行业引致的GVC嵌入对“一带一路”沿线国家制造业的碳排放效率具有显著的抑制作用。发达国家的污染行业倾向将污染密集的生产环节外包给环境规制较低的国家，使承接外包的国家陷入“捕获式困境”，加剧了碳排放。向发展中国家清洁行业进口中间品时，由于多数发展中国家对高端装备制造业核心技术掌握较少，并且吸收的大多是发达国家已经淘汰的技术，“技术溢出”效应并不显著，不利于碳排放效率的提升。而向发展中国家污染行业进口的大多是能源消耗较高中间品，有利于进口国能源消耗和碳排放量的减少，进而对碳排放效率具有提升作用。

从控制变量看，贸易规模水平的回归系数显著为正，说明增加中间品贸易可以提高“一带一路”沿线国家制造业的碳排放效率。公共服务水平的回归系数显著为负，但系数很小，说明国家资源配置在一定程度上会影响碳排放效率。技术创新水平的回归系数显著为正，说明随着技术水平的提升，可以提高能源利用效率和碳排放效率。自然丰裕水平的回归系数显著为正，说明自然资源的原始积累利于提高沿线国家制造业的碳排放效率。全球治理水平的回归系数显著为正，说明完善各国的各项法律规章制度利于提高沿线国家制造业的碳排放效率。

4.2 行业异质性分析

进一步地，文章认为GVC嵌入对碳排放效率的影响因制造业行业类型不同而存在差异，本部分就此展开实证研究。此处依据要素密集度不同将制造业分为劳动密集型行业、资本密集型行业和技术密集型行业。表4给出了估计结果，GVC嵌入对“一带一路”沿线的技术密集型行业的碳排放效率具有显著的提升作用，而对劳动密集型行业和资本密集型行业的碳排放效率具有显著的抑制作用。主要原因如下：首先技术密集型行业的碳排放较少，“一带一路”沿线国家制造业在参与GVC嵌入时获得的技术相对低碳环保。此外，技术密集型行业的附加值较高，使得企业有资金进行更多研发创新活动，有利于碳排放效率提升 [3]。对于劳动密集型行业而言，自身就具有高碳排放水平的特點，即使国外先进技术促进了生产效率提高，但“生产率效应”不足导致对碳排放效率具有抑制作用 [10]。对于资本密集型行业而言，虽然碳排放水平没有劳动密集型高，但是由于主要承接的环节附加值较低，技术研发投入不足以及技术水平提升空间较小，从而导致对碳排放效率具有抑制作用 [26]。

4.3 稳健性检验

为了保证研究结论的稳健性，采用Koopman等 [30]的分解框架，重新测算GVC嵌入程度：

GVCim=IVimEXim+FVimEXim （12）

其中， i表示国家，m表示行业，GVCim表示Koopman等 [30]框架下的GVC嵌入程度。IVim、EXim和FVim分别是i国m 行业向第三国家出口的中间品贸易额、出口额以及出口中包含的国外增加值。此处同样对国别和行业引致的国外增加值进行了测算。此外，文章更换数据库，采用世界银行数据库对碳排放效率进行测算，稳健性结果见表5中（1）—（3）列。可以看出，更换样本的数据类型后各个主要解释变量的显著性基本不变，回归结果稳定。

4.4 影响机制分析

上述研究结果表明，GVC嵌入可以显著提升“一带一路”沿线国家制造业的碳排放效率，并且影响结果存在行业异质性，本部分将继续探讨GVC嵌入是通过影响碳排放效率的哪些部分从而提升碳排放效率。根据公式 （11） 将碳排放效率指数分解为 EC、BPC和TGC， 并建立以下对

应的计量方程来进一步考察GVC嵌入对碳排放效率的具体影响机制。此处继续采用第三部分的实证模型，并将被解释变量及其滞后项替换为 EC、BPC和TGC， 实证模型的基本形式如下：

Xit=α+β0Xi（t-1）+β1νsit+β2Zit+ui+εit （13）

其中， X可以是EC、BPC或TGC， 其他符号和变量的含义见上文。此处继续使用全面FGLS对模型进行估计。

从表6可以看出GVC嵌入对碳排放效率的影响主要通过影响 EC和TGC实现，并且对EC的影响程度比TGC高。EC的增大意味着决策单元比上期更接近当期群组内的技术前沿面， 表现为一种“追赶效应”。说明GVC嵌入可以让“一带一路”沿线国家制造业更好发挥“后发优势”，通

的影响系数最大，因此“追趕效应”是GVC嵌入对碳排放效率影响的优先机制。GVC嵌入对 BPC 的影响显著为负，意味着GVC嵌入没有提升沿线国家制造业缩小与技术前沿面的技术差距的能力，目前停留在利用技术差距吸收前沿“技术溢出”为动力的技术进步阶段，无法通过技术创新突破技术壁垒并逐步逼近技术前沿，进而实现碳排放效率提升，因此面临“低端锁定”的可能性比较大。如中国装备制造业一直面临的重要问题就是存在技术创新升级瓶颈，其主要的原因是长期以进口发达国家技术含量较高的中间品的方式实现生产效率的改进，这种GVC嵌入方式主要通过“追赶效应”进而影响碳排放效率，无法帮助中国装备制造业实现基于本土高端要素的技术创新能力升级，即通过 “创新效应”实现碳排放效率的提升。因此“创新效应”是GVC嵌入对碳排放效率影响的待突破机制。 TGC 的增大表示跨期生产技术与全局生产技术的差距在缩小，表现为“领先效应”。回归结果说明GVC嵌入可以促进沿线国家制造业培养“技术领导者”，通过树立标杆的方式加大市场竞争压力，倒逼本土企业采取提升产品质量等措施努力向“技术领导者”靠拢，从而促进沿线其他国家的技术进步，实现碳排放效率的提升。由于对TGC的影响系数没有 EC 高，因此“领先效应”是GVC嵌入对碳排放效率影响的次优机制。

基于以上4个部分的实证结果，对GVC嵌入对“一带一路”沿线国家制造业碳排放效率的影响与机制分析进行了总结，图3是本部分的实证结果示意。

5 结论与启示

以WIOD数据库中包含的“一带一路”沿线国家制造业2000—2014年的数据为样本，采用全面FGLS方法实证检验GVC嵌入对“一带一路”沿线国家制造业碳排放效率的影响，最后得出以下结论和启示。

第一，GVC嵌入可以提升“一带一路”沿线国家制造业的碳排放效率。由不同数据来源引致的GVC嵌入对碳排放效率的提升作用不同。其中，GVC嵌入对沿线国家制造业碳排放效率的提升主要由发展中国家引致，说明发展中国家在“一带一路”沿线国家参与GVC活动中扮演的角色越来越重要。此外，GVC嵌入对沿线国家制造业碳排放效率的提升，主要由发达国家清洁行业和发展中国家污染行业引致，说明发达国家清洁行业GVC嵌入带来的技术溢出正效应，大于GVC嵌入带来的污染转移负效应。

第二，GVC嵌入对碳排放效率的影响存在行业差异。具体表现为GVC嵌入对“一带一路”沿线的技术密集型行业的碳排放效率具有显著的提升作用，而对劳动密集型行业和资本密集型行业的碳排放效率具有显著的抑制作用。说明技术水平越高的行业越可以通过GVC嵌入方式实现碳排放效率的提升，对环境改善作用越明显;技术水平越低的行业参与GVC嵌入面临环境污染威胁的风险越大。

第三，GVC嵌入主要通过“追赶效应”“创新效应”和“领先效应”3个影响机制改善沿线制造业的碳排放效率。其中，“追赶效应”是优先机制，说明GVC的嵌入主要通过改善沿线国家制造业生产能力的方式提升碳排放效率;“领先效应”是次优机制，而“创新效应”是待突破机制，说明GVC嵌入对于提高沿线国家制造业的市场竞争能力和自主创新能力的作用有限。

该研究结论具有如下启示：①对“一带一路”沿线相关国家制造业而言，一方面应积极地融入GVC分工体系，并通过与中国开展分工合作参与到区域价值链中，实现自身经济的增长;另一方面应将重点放在对先进低碳生产技术和环保经验的吸收、借鉴能力提升上，而不是片面追求“去污染”，应充分利用GVC嵌入带来的技术溢出正效应来降低GVC嵌入带来的污染转移负作用，促进沿线相关国家制造业的低碳可持续发展。②中国是GVC的重要参与者，也是“一带一路”倡议的主要组织者，应该以“一带一路”为抓手，积极推动区域价值链的构建，在实现自身价值链升级的同时，带动沿线相关国家积极参与GVC。一方面，通过分享“碳减排”项目技术创新的成果，加强与沿线相关国家的GVC联系，在“一带一路”整个区域内寻求优质低碳资源进行跨国配置，推动区域碳排放效率提升。另一方面，不仅需要通过逆向跨国并购等方式，从发达国家承接、吸收、转化高新技术，还需要加强自主创新能力，努力重构区域价值链，通过积极开展低碳技术自主研发活动，取得内生性低碳技术进步，提高碳排放效率，降低在GVC中被“低端锁定”的风险。③要根据GVC嵌入的行业异质性开展针对性的指导。对于技术密集型行业，应把本土高端要素作为提升技术创新能力的新动力，通过提升对GVC上游行业附加值的获取和控制力的方式实现碳效率变革;对于资本和劳动密集型行业，要平衡好参与GVC嵌入与国内的污染防治的关系，通过制定合理的环境规制标准推动产业的低碳转型。

参考文献

[1]BALDWIN R， LOPEZGONZALEZ J. Supplychain trade： a portrait of global patterns and several testable hypotheses[J]. The world economy， 2015， 38（11）： 1682-1721.

[2]赵忠秀， 闫云凤， 裴建锁. 生产分割、区域间贸易与CO2排放：基于IRIO模型的研究[J]. 管理评论， 2018， 30（5）： 47-57.

[3]吕越， 吕云龙. 中国参与全球价值链的环境效应分析[J]. 中国人口·资源与环境， 2019， 29（7）： 91-100.

[4]齐绍洲， 徐佳. 贸易开放对“一带一路”沿线国家绿色全要素生产率的影响[J]. 中国人口·资源与环境， 2018， 28（4）： 134-144.

[5]闫云凤. “一带一路”沿线国家在全球价值链中嵌入程度的比较[J]. 广西财经学院学报， 2019， 32（4）： 96-106.

[6]杨翔， 李小平， 周大川. 中国制造业碳生产率的差异与收敛性研究[J]. 数量经济技术经济研究， 2015， 32（12）： 3-20.

[7]SUN H， EDZIAH B K， SUN C， et al. Institutional quality， green innovation and energy efficiency[J]. Energy policy， 2019， 135： 111002.

[8]LIU H， LI J， LONG H， et al. Promoting energy and environmental efficiency within a positive feedback loop： insights from global value chain[J]. Energy policy， 2018， 121： 175-184.

[9]LI J， LIN B. Does energy and CO2 emissions performance of China benifit from regional integration？[J]. Energy policy， 2017， 101： 366-378.

[10]謝会强， 黄凌云， 刘冬冬. 全球价值链嵌入提高了中国制造业碳生产率吗[J]. 国际贸易问题， 2018 （12）： 109-121.

[11]孙华平， 杜秀梅. 全球价值链嵌入程度及地位对产业碳生产率的影响[J]. 中国人口·资源与环境， 2020， 30（7）： 27-37.

[12]王玉燕， 林汉川. 全球价值链嵌入能提升工业转型升级效果吗：基于中国工业面板数据的实证检验[J]. 国际贸易问题， 2015 （11）： 51-61.

[13]彭星， 李斌. 全球价值链视角下中国嵌入制造环节的经济碳排放效应研究[J]. 财贸研究， 2013， 24（6）： 18-26.

[14]余娟娟. 全球价值链嵌入影响了企业排污强度吗：基于PSM匹配及倍差法的微观分析[J]. 国际贸易问题， 2017（12）： 59-69.

[15]高赢， 冯宗宪. “一带一路”沿线国家低碳发展效率测评及影响因素探究[J]. 科技进步与对策， 2018， 35（21）： 39-47.

[16]李小平， 王洋. “一带一路”沿线主要国家碳生产率收敛性及其影响因素分析[J]. 武汉大学学报（哲学社会科学版）， 2017， 70（3）： 58-76.

[17]姚秋蕙， 韩梦瑶， 刘卫东. “一带一路”沿线地区隐含碳流动研究[J]. 地理学报， 2018， 73（11）： 2210-2222.

[18]KELLER W. International technology diffusion[J]. Journal of economic literature， 2004， 42（3）： 752-782.

[19]孙学敏， 王杰. 全球价值链嵌入的“生产率效应”：基于中国微观企业数据的实证研究[J]. 国际贸易问题， 2016 （3）： 3-14.

[20]许冬兰， 于发辉， 张敏. 全球价值链嵌入能否提升中国工业的低碳全要素生产率？[J]. 世界经济研究， 2019 （8）： 60-72，135.

[21]BALDWIN J R， YAN B. Global value chains and the productivity of Canadian manufacturing firms[R]. Stafistics Canada，2014：1-10.

[22]胡飞. 制造业全球价值链分工的环境效应及中国的对策[J]. 经济问题探索， 2016 （3）： 151-155.

[23]HUMPHREY J， SCHMITZ H. How does insertion in global value chains affect upgrading in industrial clusters？[J]. Regional studies， 2002， 36（9）： 1017-1027.

[24]吕越， 陈帅， 盛斌. 嵌入全球价值链会导致中国制造的“低端锁定”吗？[J]. 管理世界， 2018， 34（8）： 11-29

[25]陈颂， 卢晨. 产品内国际分工技术进步效应的影响因素研究[J]. 国际贸易问题， 2018 （5）： 26-38.

[26]蔡礼辉， 张朕， 朱磊. 全球价值链嵌入与二氧化碳排放：来自中国工业面板数据的经验研究[J]. 国际贸易问题， 2020 （4）： 86-104.

[27]ANTWEILER W， COPELAND B R， TAYLOR M S. Is free trade good for the environment？[J]. American economic review， 2001， 91（4）： 877-908.

[28]MIKETA A， MULDER P. Energy productivity across developed and developing countries in 10 manufacturing sectors： patterns of growth and convergence[J]. Energy economics， 2005， 27（3）： 429-453.

[29]HUMMELS D，ISHII J，YI K M. The nature and growth of vertical specialization in world trade[J]. Journal of international economics， 2001， 54（1）： 75-96.

[30]KOOPMAN R， WANG Z， WEI S J. Tracing valueadded and double counting in gross exports[J]. American economic review， 2014， 104（2）： 459-494.

[31]王直， 魏尚進， 祝坤福. 总贸易核算法：官方贸易统计与GVC的度量[J]. 中国社会科学， 2015 （9）： 108-127，205-206.

[32]唐宜红， 张鹏杨. FDI、GVC嵌入与出口国内附加值[J]. 统计研究， 2017， 34（4）： 36-49.

[33]BUSSE M. Trade， environmental regulations， and the World Trade Organization： new empirical evidence[R]. The World Bank， 2004.

[34]李江龙， 徐斌. “诅咒”还是“福音”： 资源丰裕程度如何影响中国绿色经济增长？[J]. 经济研究， 2018， 53（9）： 151-167.

[35]KONG Y C， ZHAO T， YUAN R， et al. Allocation of carbon emission quotas in Chinese provinces based on equality and efficiency principles[J]. Journal of cleaner production， 2019， 211： 222-232.

[36]YAO X， ZHOU H， ZHANG A， et al. Regional energy efficiency， carbon emission performance and technology gaps in China： a metafrontier nonradial directional distance function analysis[J]. Energy policy， 2015， 84： 142-154.

[37]GEREFFI G. The global economy： organization， governance， and development[M]//SMELSER N J SWEDBERG R. The handbook of economic sociology.Princeton：Princeton University Press，2010.

Effect and mechanism of global value chain embedding on carbonemission efficiency： evidence and implications from the manufacturing industries in the Belt and Road countries

LI Yan 1 LI Jiawei 1 WANG Weihan 2 HUANG Qingbo 1

（ 1. School of Maritime Economics and Management， Dalian Maritime University， Dalian， Liaoning 116026， China;

2. School of International Trade and Economics， University of International Business and Economics， Beijing 100029， China）

Abstract With the further development of global value chain （GVC） and global climate governance， the research framework of GVC has become an important tool for carbon emission efficiency research. The Belt and Road Initiative provides an opportunity for the remodeling of GVC. It is worth investigating that the question of whether GVC embedding can become a new way to improve the carbon emission efficiency of the manufacturing industries in countries along the Belt and Road. Based on the theoretical mechanism of the impact of GVC embedding on carbon emission efficiency， this study employed the multiregion inputoutput model and the nonradial directional distance function （DDF） model respectively to measure the degree of GVC embedding and carbon emission efficiency of the manufacturing industries in the Belt and Road countries by using the inputoutput data of WOID database from 2000 to 2014. Then the study empirically examined the effect of GVC embedding on the carbon emission efficiency of the manufacturing industries in 16 countries. The empirical results showed that： ① GVC embedding improved the carbon emission efficiency of the manufacturing industries in the Belt and Road countries. GVC embedding induced by different sources had different effects on carbon emission efficiency， that is， the improvement of carbon emission efficiency in the Belt and Road countries was mainly attributed to the GVC embedding resulted from clean industries in developed countries and polluting industries in developing countries. ② The effect of GVC embedding on carbon emission efficiency showed significant industry heterogeneity. Specifically， GVC embedding was more conducive to the improvement of carbon emission efficiency of technologyintensive industries in the Belt and Road countries， while having significant negative effect on the carbon emission efficiency of laborintensive and capitalintensive industries， which implied that the higher the technical level was， the more carbon emission efficiency could be improved through GVC embedding， while the lower the technical level was， the greater the risk of environmental pollution. ③ GVC embedding improved the carbon emission efficiency of the manufacturing industries in the Belt and Road countries through catchup effect， innovation effect， and leading effect. Specifically， the catchup effect was the priority mechanism， indicating that GVC embedding improved the carbon emission efficiency by improving the production capacity of the manufacturing industries in the Belt and Road countries. Leading effect was a suboptimal mechanism， while innovation effect was a mechanism to be achieved， implying that GVC embedding played a limited role in improving the ability of market competitiveness and independent innovation of the manufacturing industries in the Belt and Road countries.

Key words global value chain; Belt and Road Initiative; carbon emission efficiency; manufacturing industry

（责任编辑：王爱萍）