Protection of Farmers' Benefits in the Government-embedded Industrial Poverty Alleviation: a Case Study of the Poverty Alleviation Industry in Zhijiang Dong Autonomous County, Huaihua City
-
摘要:
政府引导下的产业扶贫是巩固脱贫攻坚成果与乡村振兴有效衔接的重要举措，其关键在于政府的嵌入能够真正帮助贫困户公平合理地享受到产业带来的红利。从多元主体利益分配视角出发，对芷江侗族自治县政府嵌入式产业扶贫的主体利益分配进行实证分析。研究发现，政府嵌入式产业扶贫有效地实现了脱贫增收目标，在推动产业发展过程中，政府和村集体对于产业的发展起到支撑作用，合作社和农户承担了产业发展的全部风险；从主体利益分配来看，无论是理论收益，还是实际收益，专业合作社最高，依次是地方政府、贫困户和村集体，但是各主体的实际收益低于理论收益，需要进一步完善主体之间利益分配机制以更好地保障农户收益。为保障农户收益，针对参与的各主体提出优化建议：①提升政府嵌入的精准性保障，构建奖励机制与第三方监督机制以激励基层政府工作者积极帮扶产业发展；②强化专业合作社与农户之间的股份合作机制，推动农户以股东身份积极参与到合作社的经营生产中，提高合作社经营效益；③提升产业发展的稳定性，规范订单合同，提升参与各主体的职业技能，推动产业可持续发展；④构建激励相容的利益分配机制，在公平合理的前提下，根据生产要素市场价格的变动动态调整利益分配方式，优先保障贫困户的合理权益，实现可持续脱贫。
Abstract:Government-guided industrial poverty alleviation is an important initiative to consolidate the results of poverty alleviation and rural revitalization in an effective way. The key to this is that government embedding can truly help poor households to enjoy the dividends brought by the industry in a fair and reasonable way. This paper presents an empirical analysis of the distribution of subject interests in the Zhijiang Dong Autonomous County government's embedded industrial development model from the perspective of the distribution of interests of multiple subjects. The study found that government-embedded industrial poverty alleviation effectively realizes the goal of poverty alleviation and income generation. In the process of promoting industrial development, the government and village collectives play a supporting role for industrial development, and cooperatives and farmers bear all the risks of industrial development. In terms of the distribution of subject interests, the professional cooperatives are the highest, followed by the local government, the poor households, and the village collectives. However, the actual benefits of each subject are lower than the theoretical benefits; thus, it is necessary to further improve the distribution of benefits among subjects to better protect the benefits of farmers. This paper puts forward corresponding optimization suggestions for the participating subjects to ensure the benefits of farmers. Firstly, to improve the accuracy of the government embedding, it needs to establish a reward mechanism and third-party supervision mechanism to motivate the grassroots government workers to actively help the development of the industry. Secondly, to strengthen the shareholding cooperation mechanism between the professional cooperatives and farmers, it needs to promote the active participation of farmers as shareholders to participate actively in the cooperative's operation and production, and to increase the cooperative's operational efficiency. Thirdly, enhancing the stability of industrial development, standardizing order contracts, improving the vocational skills of the participating subjects, and promoting the sustainable development of the industry. Fourthly, building an incentive-compatible benefit distribution mechanism. Under the premise of fairness and reasonableness, dynamically adjusting the distribution of benefits according to the changes in the market prices of the production factors, so as to prioritize the protection of reasonable rights and interests of the poor households, and to realize the sustainable elimination of poverty.
-
2020年9月，中国提出“双碳”目标，这是积极应对气候变化的大国担当和责任所在，也是实现经济高质量发展的助推之举。中国能源供给以碳元素排放系数较高的燃料能源为主，碳排放基数大，碳达峰时经济发展水平较低，从碳达峰到碳中和时间间隔短[1]。这些特征决定了在美丽中国愿景下实现“双碳”目标，需要立足国内国际、多管齐下，协同推进降碳、减污、扩绿，平衡经济增长、就业稳定、环境改善、产业升级、安全运行等多维目标，协调绿色转型涉及的资产存量、未来增量、技术路径、资金约束、规范标准、政策措施等多个环节。
21世纪以来，尤其是“一带一路”倡议提出以来，中国的对外直接投资（Outward Foreign Direct Investment，简称OFDI）规模飞速提升。根据《2019年度中国对外直接投资统计公报》和《2020年度中国对外直接投资统计公报》，2019年中国OFDI流量保持全球第二，OFDI存量保持全球第三；2020年中国OFDI流量达1 537亿美元，同比增长12.3%，流量规模首次位居全球第一；2020年末，中国OFDI存量达2.58万亿美元。与此同时，我国碳排放量迅速增长。2017年碳排放量破百亿吨，2019年约为104.76亿t，约占世界碳排放总量的34%。伴随中国OFDI规模扩大，中国生产要素加速流动，资源重新配置，那么，中国OFDI如何影响本国的碳排放，如何寻求突破点，通过调整OFDI，助力我国实现高质量、低排放发展，实现“双碳”目标。
一. 文献综述
“双碳”目标的实现路径、潜在成本和影响因素是近年研究热点。王深等[2]基于多目标模型研究了中国低成本碳达峰、碳中和路径。王怡[3]在测算中国各省2005—2019年脱钩系数，分析经济增长与碳排放脱钩状态，测算碳排放强度的基础上，对不同经济增长模式下的碳排放量进行情景预测，分析碳达峰实现路径。曲越等[4]以中国碳排放数据库为依托，研究省级碳排放的趋势和碳达峰、碳中和的区域协调路径，认为中国“双碳”目标实现要充分考虑区域发展的异质性和区域碳减排的协调性。余丽等[5]挖掘英美等国碳达峰行动策略，归纳国际经验，分析中国路径。张楠等[6]基于219个国家及地区的数据，采用Mann-Kendall（MK）检验和Spearman's Rho（SR）检验发现42个国家和1个经济体联盟实现碳达峰，46个国家处于碳达峰平台期，进而归纳多数国家碳达峰时的特征和经验。
廖茂林等[7]聚焦于中国实现“双碳”目标的潜在成本及其分担机制，也有学者聚焦于碳排放的影响因素。例如，刘健强等[8]基于2006—2018年省域面板数据，通过动态空间杜宾模型，研究人口老龄化、产业结构升级对碳排放的影响，发现从全局效应看，人口老龄化会促进碳排放，产业结构升级会抑制碳排放；从直接效应和间接效应来看，人口老龄化和产业结构升级会分别促进和抑制本地碳排放，但二者的空间溢出效应不显著，且存在区域差异性。赵玉焕等[9]选择空间杜宾模型，研究中国产业结构升级对碳排放的影响，发现产业结构升级有助于实现碳减排；东部和中部地区产业结构升级能够显著减少碳排放，西部地区的影响不显著；产业结构升级对本地区碳排放存在负向空间直接效应，对其他区域碳排放存在负向空间间接效应。
一些研究聚焦于外商直接投资对东道国的环境影响，提出两种对立的理论假说：“污染天堂”假说认为外商直接投资流入会加剧东道国的环境污染[10-12]，“污染光环”假说则认为外商直接投资流入会改善东道国环境质量[13-14]。另一些研究聚焦于OFDI对母国
1 环境污染的影响，尤其是对母国碳排放的影响，研究结果迥异。一种观点认为OFDI会加剧母国污染物排放，如许可等[15]建立联立方程组模型，从规模效应、产业结构效应及技术效应3个方面，证实中国OFDI与国内碳排放正相关；刘海云等[16]构建面板数据实证研究我国OFDI的碳排放效应，发现OFDI会加剧母国碳排放，但在区域间存在一定差异。易艳春等[17]采用空间杜宾模型，实证分析OFDI对母国碳排放的空间溢出效应，发现中国的OFDI会增加母国碳排放。另一种观点认为OFDI会抑制母国污染物排放，如费能云[18]构建固定效应模型，证实中国OFDI与母国碳排放量存在负向关系；朱东波等[19]构建动态面板模型，从经济规模扩张、产业结构转型和技术水平增进3个视角，验证中国OFDI有利于减少母国污染物排放。还有学者认为OFDI对母国污染物排放的作用会受到其他因素的影响，如聂飞等[20]基于城镇化视角，实证研究中国OFDI的碳排放效应受到城镇化门槛效应的制约；余官胜[21]借助100个国家的跨国面板数据，构建门槛效应模型进行实证研究，发现母国环境污染程度会随着母国经济条件的改善而降低，高制造业占比的国家对外直接投资会增加母国碳排放；杨果等[22]改进熵值法，拟合中国30个省域环境污染综合指数，构造以金融发展为门槛变量的面板门槛模型，证实中国OFDI影响母国环境存在金融发展门槛，金融发展的门槛值增高则中国OFDI对母国环境污染的抑制作用显著增强。在研究方法的选择上，一些学者采用多重中介模型检验OFDI与碳减排间的作用机制。王英等[23]选取OFDI为本国带来的边际产业转移效应、逆向技术溢出效应、前向和后向关联效应作为中介变量，研究中国OFDI如何影响装备制造业全球价值链低碳升级；白梓函等[24]选取产业结构、技术创新和经济规模对OFDI产生的环境效应和影响机制进行识别与检验；王亚飞等[14]选取产出规模、资本劳动比和技术进步作为中介变量，以环境规制、产业结构和研发投入为控制变量，检验双向直接投资协调发展对碳排放的影响；屈小娥等[25]选取产业结构升级、绿色技术创新、要素市场扭曲和经济规模扩张4个中介变量，解析OFDI对母国碳排放的多重中介传导路径。
综上，相关研究提供了有益借鉴，但仍存在可拓展之处：学者们对OFDI与本国碳减排效应的研究多集中于最终结果的分析，而较少关注OFDI对本国碳减排效应的诱导机制，对OFDI影响本国碳排放的理论模型、影响机制和影响路径的分析不足。鉴于此，本文的边际贡献有两点：一是在前人模型基础上加入碳减排技术因素，构建OFDI影响本国碳排放的理论模型，在理论上进一步厘清OFDI影响碳排放的内在作用机理；二是根据理论模型，以经济规模、产业结构和技术水平为中介变量，选取合适指标，构建多重中介效应模型，实证检验中国OFDI影响本国碳排放的作用机制，并且根据实证结果计算每条中介路径的效应大小，对每条中介路径的影响程度进一步量化。
二. OFDI影响母国碳排放的理论模型
本文参考盛斌等的研究[26]，在Copeland等[27]研究的基础上加入碳减排技术因素，构建一般均衡模型分析对外直接投资对母国碳排放的影响。
一 基本假设
假设国家只生产环境风险产品X和环境友好产品Y，X会排放大量二氧化碳。X和Y的规模收益不变，单价分别为PX和PY，产量分别为QX和QY。假设X和Y两种产品的生产都只使用两种要素劳动（L）和资本（K），劳动和资本的价格分别用w和r表示；X为资本密集型产品，所用的劳动和资本数量分别为LX和KX；Y为劳动密集型产品，所用的劳动和资本数量分别为LY和KY；X的资本劳动比大于Y的资本劳动比（即KX/LX > KY/LY）。φ是碳减排技术投入占所有投入的比例，φ∈[0,1]。如果φ = 0，则碳减排技术投入为零，此时达到X的潜在最大产出F。ω(φ)是碳排放强度函数，假设ω(0) > 0，一阶导ω′(φ) < 0，二阶导ω″(φ) > 0，即碳减排技术投入比例越大，碳排放量（Z）越低。具体形式为：
$$ \omega (\varphi )=\frac{1}{A}{\left(1-\varphi \right)}^{\frac{1}{\alpha }} $$ (1) 在式（1）中，A表示碳减排技术水平，参数α∈(0，1)。在φ不变时，碳减排技术水平A越大，碳排放量越少。
根据以上假设，产品X、Y和碳排放量Z的生产函数形式分别为：
$$ {Q}_{Y}=H\left({L}_{\mathrm{Y}},{K}_{\mathrm{Y}}\right) $$ (2) $${Q}_{X}=\left(1-\varphi \right)F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right) $$ (3) $$Z=\omega \left(\varphi \right)F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right)=\frac{1}{A}{\left(1-\varphi \right)}^{\frac{1}{\alpha }}F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right) $$ (4) 由式（3）和式（4），可得产品X的生产函数为：
$$ {Q}_{\mathrm{X}}={\left(AZ\right)}^{\alpha }{\left[F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right)\right]}^{1-\alpha} $$ (5) 二 成本最小化决策
根据科斯定理，在产权得到明确界定的前提下，生产产品X的部门需要为生产活动排放的二氧化碳支付相应的成本μ，μ可以是碳排放权交易成本、碳税等。根据式（5），生产X的利润最大化决策分为两个独立阶段。阶段一：不考虑碳减排成本，依据w和r，为了实现产品X的潜在产出量F，选择最优的资本K和劳动L的投入组合，使成本最小，可以表示为式（6），其中单位成本为CF，总成本为CFF，LF、KF分别表示生产单位潜在产出量F所需的劳动数量和资本数量。阶段二：考虑碳减排成本，选择最佳的碳排放量Z和潜在产出量F，使生产X产品的总成本CX最小，可以表示为式（7）。
$$ {C}_{F}\left(w,r\right)=\mathrm{min}\left\{w{L}_{F} + r{K}_{F},F\left({L}_{F},{K}_{F}\right)=1\right\} $$ (6) $${C}_{X}\left(\mu ,{C}_{F}\right)=\mathrm{min}\left\{\mu AZ + {C}_{F}F,{\left(AZ\right)}^{\alpha }{F}^{1-\alpha }=1\right\} $$ (7) 式（7）求解最优化一阶导，可得：
$$ \frac{(1-\alpha )AZ}{\alpha F}=\frac{{C}_{F}}{\mu } $$ (8) 在市场为完全竞争的状态下，X产品实现市场均衡时，部门净利润为0，故总收益等于总成本：
$$ {P}_{\mathrm{X}}{Q}_{\mathrm{X}}=\mu AZ + {C}_{F}F$$ (9) 联立式（8）和式（9）可以得到单位产品X产生的碳排放量（碳排放强度）σ：
$$ \sigma =\frac{Z}{{Q}_{\mathrm{X}}}=\frac{\alpha {P}_{\mathrm{X}}}{A\mu } $$ (10) 式（10）表明，碳排放强度σ与碳减排技术A和碳减排机会成本μ负相关，与产品价格PX正相关。将式（2）和式（4）代入式（10），可得到碳排放技术的最佳投入比例：
$$\varphi =1-{\left(\frac{\alpha {P}_{\mathrm{X}}}{\delta }\right)}^{\alpha /\left(1-\alpha \right)} $$ (11) 联立式（8）和式（10）可得：
$${C}_{F}F=\left(1-\alpha \right){P}_{\mathrm{X}}{Q}_{\mathrm{X}} $$ (12) 所以，实现产品X的最大产出时，成本为：
$$ {C}_{F}=\left(1-\alpha \right){P}_{\mathrm{X}}\left(1-\varphi \right)={P}_{\mathrm{X}}\left(1-\alpha \right){\left(\frac{\alpha {P}_{\mathrm{X}}}{\mu }\right)}^{\alpha /\left(1-\alpha \right)} $$ (13) 三 OFDI影响母国碳排放的传导机制
根据式（10），当X产品达到市场均衡时，碳排放量Z为：
$$Z=\frac{\sigma S{E}_{\mathrm{X}}}{{P}_{\mathrm{X}}} $$ (14) 其中，S表示经济规模，用该国的总产值表示，即S = PXQX + PYQY；EX表示产业结构，用X产品的产值占该国总产值的比例表示，即EX = PXQX/S。由此可以看出，碳排放量由经济规模S、产业结构EX和碳排放强度σ共同决定。假如X产品的碳排放机会成本μ不变，且劳动价格w、资本价格r、X产品的单价PX均为外生变量，将式（10）带入式（14），两边同时取对数可得：
$$\ln Z=\ln S + \ln{E}_{\mathrm{X}}-\frac{\alpha }{\mu }\ln A $$ (15) Antweiler等[28]提出了包含赫克歇尔-俄林-萨缪尔森定理的开放经济条件下环境污染一般均衡理论模型，认为在开放经济条件下一国或地区的环境污染主要由贸易诱发的规模效应、结构效应和技术效应所决定。受此模型启发，本文将OFDI因素加入内生变量，认为OFDI可以通过经济规模、产业结构和技术水平来影响国家的碳排放。具体而言，本文将式（15）两边对OFDI求导，并乘以OFDI：
$$\begin{split} \frac{\mathrm{d}\;Z}{\mathrm{d\;OFDI}}\frac{\mathrm{OFDI}}{Z}= &\frac{\mathrm{d}\;S}{\mathrm{d\;OFDI}}\frac{\mathrm{OFDI}}{S} + \frac{\mathrm{d}\;{E}_{\mathrm{X}}}{\mathrm{d\;OFDI}}\frac{\mathrm{OFDI}}{{E}_{\mathrm{X}}}-\\&\beta \frac{\mathrm{d}\;A}{\mathrm{d\;OFDI}}\frac{\mathrm{OFDI}}{A} \end{split} $$ (16) 其中，参数β = α/μ。根据式（16），本文将OFDI对母国碳排放的影响分解为规模效应、结构效应和技术效应。
三. 中介效应机制与研究假设
一 经济规模中介传导机制与研究假设
中国OFDI规模不断增加，母国经济规模也逐渐扩大，二者之间的主要作用路径可以概括为两条。一是企业在OFDI过程中拓展海外销售渠道，扩大出口市场，国外需求增加导致本国企业的生产规模进一步扩大，从而提高本国经济水平。并且，生产规模的扩大需要更多的劳动投入，能够带动本国就业，增加国民收入，从而进一步扩大经济规模[27]。二是OFDI通过在国外设立研发中心、兼并或收购海外企业等途径，可以学习国外先进生产技术，提高管理水平，改变资本利用方式，打破资本发展瓶颈，促进资本结构优化，提高本国企业的生产效率和资金利用效率，推动国内企业投资规模进一步扩大，从而提高母国经济规模。在经济欠发达时期，经济体以发展经济为主，容易忽略粗放型发展带来的环境问题；经济发展到一定水平，政府和人民对生活质量和环境质量的要求提升，会转而重视环境保护，加大环境规制力度。对外直接投资的发展会扩大母国经济规模，而二氧化碳是经济活动的副产品，碳排放量随着经济规模的扩大而增加。当前，我国经济发展模式还未发生根本性改变，环境规制强度不足且治理体系欠佳[19]。
基于此，提出假设1：我国OFDI会扩大母国经济规模从而增加碳排放。
二 产业结构中介传导机制与研究假设
生命周期理论[29]、边际产业转移理论[30]、技术创新产业升级理论[31]和联系、杠杆和学习理论[32]均指出，OFDI会促进母国产业结构升级。同时，一些实证研究[33-36]也表明OFDI的增加会促进我国产业结构的演化，影响资源消耗进而影响碳排放。OFDI可以将本国处于衰退或者劣势的产品生产环节分散到其他国家来延长生命周期，从而集中资源要素发展优势产业；在OFDI过程中学习并吸收他国先进技术经验，提升本国产业核心竞争力，为我国产业结构优化带来了契机。另外，三次产业的能源消费结构不同，产生的碳排放量差距也较大，OFDI在促进产业高级化的过程中，会逐渐降低高污染密度产业的比重，从而减少母国碳排放。
基于此，提出假设2：我国OFDI会提高产业高级化水平，进而减少母国碳排放。
三 技术水平中介传导机制与研究假设
高精尖行业内企业在发达国家或地区投资或设立研究部门，将尖端技术传递给母国公司，提升母国公司技术水平，就是逆向技术溢出效应。母国公司通过竞争效应和示范效应促进产业内企业的技术进步，从而提高整个行业的技术水平。然而，现阶段逆向技术溢出并不能起到抑制碳排放的作用。主要原因有以下3点：一是OFDI的逆向技术溢出大多发生在高新技术产业，而我国高新技术行业如信息传输、软件和信息技术服务业、科学研究和技术服务业等OFDI相对较少。《2020年度中国对外直接投资统计公报》显示，2020年中国OFDI流量为1 537亿美元，而高新技术行业OFDI仅为129.22亿美元，占比仅为8.41%。二是从OFDI目的来看，技术获取型OFDI能够产生较强的逆向技术溢出效果，带动我国相关技术的发展。然而，我国技术获取型OFDI规模较小，其技术溢出效应不够明显，对母国的技术升级还不能发挥显著作用。另外，目前我国的技术寻求型OFDI主要目的是引进先进的生产技术和管理经验[37]，注重提高生产效率，对碳减排技术的引进尚未给予足够重视。目前，该类生产技术的提高会扩大企业生产规模，进一步扩大碳排放量。三是根据尹东东等[38]的研究可知，技术水平的传导还受到母国发展水平和吸收能力的影响，目前我国对国外技术的吸收能力较弱，逆向技术溢出效应在各地区也许并未显现。
基于此，提出假设3：目前我国OFDI引发技术水平的变化不会抑制母国碳排放。
四. 模型构建、变量选择及样本数据
一 模型构建
1 基准回归模型
为检验OFDI对碳排放的总效应，构建基准回归模型1：
$$模型1：{Z}_{it}={a}_{0} + {a}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{\mathrm{CV}}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{1it} $$ 式中，$ {a}_{0} $为常数项；a1为核心解释变量OFDI的估计系数，表征中国对外直接投资对碳排放量Z的总效应；γi为控制变量CVijt的估计系数，i代表省份，j为控制变量个数，t代表年份；vi表示个体固定效应，δt为时间固定效应，ε1it为随机扰动项。
2 多重中介效应模型
为了检验OFDI的经济规模（GDP）、产业结构（ISC）和技术水平（TEC）对母国碳排放量（Z）是否存在中介效应以及效应方向的大小（即检验OFDI影响碳排放的机制），借鉴温忠麟等[39]的方法，构建如下多重中介效应模型2 ~ 4：
$$ 模型2：{\mathrm{GDP}}_{it}={b}_{0} + {b}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{{\rm{CV}}}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{2it} $$ $$模型3：{\mathrm{ISC}}_{it}={c}_{0} + {c}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{{\rm{CV}}}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{3it}$$ $$ 模型4：{\mathrm{TEC}}_{it}={d}_{0} + {d}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{{\rm{CV}}}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{4it} $$ b0、c0、d0为常数项，b1、c1、d1依次为解释变量OFDI对中介变量GDP、ISC、TEC的估计系数，γi为控制变量CVijt的估计系数，ε2it、ε3it、ε4it为随机扰动项。此外，为消除异方差的影响，本文对相关变量采取对数形式。
二 变量选取与样本数据
1 被解释变量
碳排放量Z为被解释变量。依据政府间气候变化专门委员会发布的《国家温室气体排放清单指南》[25]，可以通过固定的折算系数来测算主要能源消耗产生的碳排放量。测算公式见式（17）[40]。
$$ Z=\sum _{d=1}^{8}{Z}_{d}=\sum _{d=1}^{8}{E}_{d} {S}_{d} {F}_{d}\times \frac{44}{12} $$ (17) 其中，Z为碳排放量，d为能源品种，Ed为能源消费量，Sd为标准煤折算系数，Fd为碳排放系数，44和12分别为二氧化碳和碳元素的分子量。本文选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8种主要能源品种进行计算，各类能源标准煤折算系数与碳排放系数见表1[41]。
表 1 各类能源标准煤折算系数与碳排放系数能源品种 标准煤折算系数 碳排放系数 煤炭 0.714 3 0.755 9 焦炭 0.971 4 0.855 0 原油 1.428 6 0.585 7 汽油 1.471 4 0.553 8 煤油 1.471 4 0.571 4 柴油 1.457 1 0.592 1 燃料油 1.428 6 0.618 5 天然气 13.300 0 0.448 3 2 核心解释变量
对外直接投资（OFDI）为核心解释变量。本文选取非金融类OFDI的存量，并用当年美元对人民币汇率的年均值换算。主要考虑到，一是存量指标有助于探究OFDI对母国环境持续产生的累积效应；二是流量指标可能出现缺失、遗漏等情况，而存量指标更加平稳。
3 中介变量
1）经济规模（GDP）：参考相关文献[42]，以人均实际GDP来衡量。以2004年为基年，将名义GDP换算为实际GDP。
2）产业结构（ISC）：公式14 ~ 16用比例法衡量产业结构，此处改用更为精确的产业结构高级化指数来衡量产业结构。根据配第-克拉克定理，参考付凌晖[43]的夹角余弦法计算ISC，描述三次产业由低层次向高层次排列的过程以量化产业结构升级状况。产业结构水平随着ISC值增大而升高。将GDP按照三次产业划分，三次产业的增加值占GDP的比重构成三维空间向量，即N0 = (n1,0,n2,0,n3,0)。分别计算N0与三次产业的向量N1 = (1，0，0)，N2 = (0，1，0)，N3 = (0，0，1)的夹角θ1，θ2，θ3：
$$ {\theta }_{l}={\rm{arccos}}\left\{\frac{\displaystyle \sum\limits_{k=1}^{3}\left({n}_{kl} \cdot {n}_{k0}\right)}{\displaystyle \sum\limits_{k=1}^{3}{\left({n}_{kl}^{2}\right)}^{\frac{1}{2}} \cdot \displaystyle \sum\limits_{k=1}^{3}{\left({n}_{k0}^{2}\right)}^{\frac{1}{2}}}\right\}\;k=\mathrm{1,2},3，l=\mathrm{1,2},3 $$ (18) $$ {\rm{ISC}}=\sum _{k=1}^{3}\sum _{l=1}^{k}{\theta }_{l} $$ (19) 3）技术水平（TEC）：参考付云鹏等[44]的研究，以各地区专利申请授权数来衡量。
4 控制变量
参考屈小娥等[25]的研究，在模型中加入下列控制变量来减少回归结果偏差。环境规制（ENV）：以环境规制综合指数来衡量。将工业废水排放量、工业二氧化硫排放量以及工业烟尘排放量进行标准化，求取每种污染物的权重，再通过权重和标准化的乘积得到环境规制综合指数[45]。外商直接投资（FDI）：以各地区外商直接投资额表示。外资引进过程中，高污染、高能耗产业占比较高，对碳排放产生重要影响[46]。城镇化水平（URB）：使用各地区城镇人口占常住人口的比例表示。城镇化建设通过建筑扩张、工业生产、交通运输等方式带来大量碳排放[47]。经济开放度（OPEN）：采用各地区进出口额与$ \mathrm{GDP} $的比值表示。贸易开放会影响国内要素配置，发展国内相关行业从而影响碳排放[48]。研发经费投入强度（RD）：以各地区实际研发支出额占国内生产总值的比重衡量。研发投入能够显著影响工业部门能源强度，影响碳排放量[49]。能源消费结构（ERS）：以各地区煤炭消费量占总能源消费量的比例衡量。能源结构直接影响碳排放总量，目前我国新能源、清洁能源占总体能源消费比较少，主要仍是传统化石能源，并且各类能源的碳排放系数有较大的差别[50]。
5 样本数据
鉴于数据可获得性，本文选取除西藏和港澳台地区外，2005—2019年中国30个省、市、自治区的数据样本，数据主要源于历年《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》《中国对外直接投资公报》《全国科技经费投入统计公报》等。吉林省2019年外商直接投资等3个缺失数据，本文运用线性插值法进行处理。变量的描述性统计如表2所示。
表 2 变量描述性统计变量 符号 样本数 平均数 标准差 最小值 最大值 被解释变量 碳排放量 Z 450 49 789.670 66 061.120 4 277.504 1 122 587 核心解释变量 对外直接投资/亿元 OFDI 450 574.654 1 505.809 0.154 652 9 13 271.15 中介变量 经济规模/亿元 GDP 450 30 453.190 19 808.090 4 392.363 125 032 产业结构 ISC 450 6.591 619 0.317 868 6 5.914 8 7.651 6 技术水平 TEC 450 36 142.200 63 483.980 79 527 390 控制变量 环境规制指数 ENV 450 0.534 297 6 0.529 098 6 0 2.585 334 能源消费结构 ERS 450 0.428 874 8 0.155 298 3 0.012 138 1 0.760 055 5 外商直接投资/亿元 FDI 450 469.417 0 679.889 3 0.295 136 10 736.05 城镇化水平 URB 450 0.541 080 5 0.139 346 7 0.268 632 7 0.941 516 2 研发经费投入强度 RD 450 1.482 711 1.084 296 0.18 6.31 经济开放度 OPEN 450 0.314 624 0.366 463 7 0.012 778 9 1.711 288 五. 实证结果分析
一 基准回归模型结果
根据面板数据的Hausman检验结果，选择固定效应对模型进行回归，表3列出基准回归结果。模型1为混合最小二乘法，模型2为固定效应，模型3为聚类稳健标准误固定效应。三者均表明OFDI对碳排放量有显著的正向效应，即OFDI每增长1%会使得碳排放量增加0.116% ~ 0.133%。该结果与许可等[15]、屈小娥等[25]的研究结果一致。
表 3 基准回归结果解释变量 ln Z 混合最小二乘法 固定效应 聚类稳健标准
误固定效应ln OFDI 0.116***(7.51) 0.133***(7.98) 0.133***(7.36) ln ENV 0.254***(14.49) 0.034(1.20) 0.034(0.77) ln FDI 0.056***(3.00) −0.017(−0.77) −0.017(−0.73) ln URB 0.206(1.48) 0.017(0.09) 0.017(0.06) ln ERS −0.176**(−2.51) −0.059(−1.04) −0.059(−0.74) ln OPEN −0.089***(−2.96) −0.014(−0.32) −0.014(−0.27) ln RD 0.072(1.39) 0.161**(2.17) 0.161(1.67) 常数项 9.879***(53.18) 9.971***(44.20) 9.971***(37.48) 调整后R2 0.674 0.548 0.578 Hausman 检验 25.280*** 注：***、**分别表示1%、5%的显著性水平，括号内为t值。 二 多重中介效应模型结果
在基准回归中，OFDI对碳排放量的影响在1%的水平上显著，满足逐步回归检验的前提条件，参考温忠麟等[39]的逐步回归方法，进一步分析中介效应（即基于固定效应模型的逐步回归）。
表4为基于固定效应模型的逐步回归检验结果。列1、2检验模型2，列3、4检验模型3，列5、6检验模型4，即分别检验OFDI通过中介变量GDP、ISC和TEC对碳排放量Z产生的影响。列1、3、5分别表示OFDI对GDP、ISC和TEC的作用结果，其中对外直接投资对经济规模和技术水平的回归系数分别为0.142、0.294，均在1%的水平上显著，对产业结构的回归系数为0.004，在5%的水平上显著，这表明对外直接投资能够明显促进母国经济规模，提升产业结构水平和技术水平。列2、4、6分别检验中介变量GDP、ISC、TEC对碳排放量产生的影响，其中经济规模对碳排放量的回归系数为0.598，在1%的水平上显著，这说明母国经济规模的提升会显著增加碳排放量，验证了假说1。产业结构对碳排放量的回归系数为−2.2026，在10%的水平上显著，这说明随着产业结构水平的提高，二氧化碳排放显著降低，验证了假说2。技术水平对碳排放量的回归系数为0.175，在1%的水平上显著，这说明技术水平的提高并没有减少碳排放量，验证了假说3。
表 4 基于固定效应模型的逐步回归检验结果变量 经济规模 产业结构 技术水平 列1 列2 列3 列4 列5 列6 ln GDP ln Z ln ISC ln Z ln TEC ln Z ln OFDI 0.142***(8.87) 0.048*(1.99) 0.004**(2.05) 0.141***(8.35) 0.294***(15.43) 0.082***(3.96) ln GDP 0.598***(3.39) ln ISC −2.026*(−1.90) ln TEC 0.175***(4.08) ln ENV −0.020*(−1.72) 0.046(1.06) −0.000(−0.16) 0.033(0.77) −0.014(−0.45) 0.036(1.32) ln FDI 0.014**(0.98) −0.026(−1.03) −0.003*(−0.95) −0.023**(−1.04) 0.017(0.66) −0.020(−0.92) ln URB 1.263***(8.79) −0.738*(−1.93) 0.095***(3.66) 0.210(0.66) 2.801***(12.63) −0.472**(−2.10) ln ERS −0.018*(−0.52) −0.049(−0.61) −0.014*(−1.50) −0.087(−1.09) −0.206***(−3.17) −0.023(−0.41) ln OPEN −0.034(−0.87) 0.006(0.10) −0.004(−0.99) −0.023(−0.43) −0.121**(−2.37) 0.007(0.15) ln RD 0.095(1.09) 0.103(1.03) 0.013(1.44) 0.187**(2.08) 0.398***(4.71) 0.091(1.22) 常数项 10.099***(58.21) 3.934**(2.11) 1.922***(64.72) 13.865***(6.54) 9.291***(36.08) 8.347***(18.32) R2 0.960 0.607 0.749 0.591 0.933 0.602 调整后R2 0.960 0.599 0.745 0.583 0.927 0.565 F 317.8 29.28 56.49 34.96 800 75.70 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为t值。 三条中介路径的具体作用机制如图1所示。0.133表示变量OFDI对变量Z的直接效应，根据中介效应流程可知，三条中介效应均显著，其中每条路径中介效应大小计算为两步回归系数的乘积占总效应0.133的比重。计算可得经济规模、产业结构、技术水平三条路径的中介效应分别为63.85%、−6.09%和38.68%。可以看出正向效果显著大于负向效果，故OFDI整体促进了母国碳排放。
三 稳健性检验
采用替换关键变量法对模型重新回归，将被解释变量Z替换为中国碳排放数据库的二氧化碳排放量（CAR）[51]，回归结果如表5所示。核心变量的大小、符号方向及显著性水平与表4的回归结果基本一致。因此，上述检验结果的稳健性较好。
表 5 稳健性检验结果变量 直接效应 经济规模 产业结构 技术水平 列1 列2 列3 列4 列5 列6 列7 ln CAR ln GDP ln CAR ln ISC ln CAR ln TEC ln CAR ln OFDI 0.128***(6.82) 0.142***(8.87) 0.047*(2.03) 0.004**(2.05) 0.133***(7.37) 0.294***(15.43) 0.104***(5.98) ln GDP 0.572***(3.86) ln ISC −1.367*(−1.78) ln TEC 0.082**(2.27) ln ENV 0.059(1.33) −0.020*(−1.72) 0.071(1.61) −0.000(−0.16) 0.058(1.37) −0.014(−0.45) 0.060***(2.61) ln FDI −0.011(−0.49) 0.014(0.98) −0.019(−0.82) −0.003(−0.95) −0.015(−0.66) 0.017(0.66) −0.013(−0.70) ln URB 0.048(0.23) 1.263***(8.79) −0.676**(−2.44) 0.095***(3.66) 0.178(0.71) 2.801***(12.63) −0.181(−0.96) ln ERS 0.151***(3.71) −0.018(−0.52) 0.162***(3.50) −0.014(−1.50) 0.132***(3.04) −0.206***(−3.17) 0.168***(3.54) ln OPEN 0.012(0.25) −0.034(−0.87) 0.031(0.64) −0.004(−0.99) 0.006(0.13) −0.121**(−2.37) 0.021(0.58) ln RD 0.077(0.91) 0.095(1.09) 0.022(0.26) 0.013(1.44) 0.095(1.13) 0.398***(4.71) 0.044(0.70) 常数项 5.198***(22.86) 10.099***(58.21) −0.583(−0.38) 1.922***(64.72) 7.826***(5.01) 9.291***(36.08) 4.440***(11.61) R2 0.578 0.960 0.607 0.749 0.582 0.933 0.584 调整后R2 0.571 0.960 0.600 0.745 0.574 0.927 0.545 F 29.83 317.8 30.19 56.49 28.01 800 70.24 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为t值。 六. 结论与建议
一 结 论
文章解析对外直接投资对母国碳排放的影响机理，进而基于2005—2019年中国30个省、市、自治区的面板数据，构建多重中介效应模型实证检验中国OFDI对母国碳排放的三条作用路径和影响程度，得到如下结论：中国OFDI与母国碳排放的直接效应显著正相关，即OFDI增多会显著增加母国碳排放；规模效应、结构效应、技术效应是OFDI影响母国碳排放的渠道，OFDI通过经济规模和技术水平两条中介路径间接促进母国碳排放，通过产业结构中介路径间接抑制母国碳排放。
二 建 议
基于上述研究结论和对外直接投资视角，为了减少我国的碳排放，促进“双碳”目标的实现，笔者提出以下建议。
1）促进对外直接投资区域布局多元化。实现“双碳”目标不能以牺牲经济发展为代价，应坚持区域布局多元化，不仅要增加对发展中经济体和转型经济体的直接投资，以寻求新兴市场、梯度转移过剩产能，也要加大对发达经济体的直接投资，以稳固原有市场，有序促进绿色产业发展，进而从经济结构方面实现突破，加快实现我国经济发展从规模速度型转向质量环保型，抵消OFDI通过规模效应间接增加的母国碳排放。
2）促进对外直接投资产业结构合理化。应依托“双循环”战略，区分投资类型和投资目的，合理布局，适度加大对第三产业及高附加值低碳产业的投入力度，减少低附加值高碳产业的投入，提升对外直接投资对我国产业结构的影响力度和对我国经济结构的反哺作用，加快推进我国经济增长方式从粗放型转向集约型，促进OFDI通过结构效应间接减少母国碳排放。
3）重视对外直接投资的逆向技术溢出效应。在短期内对外直接投资也许会挤占母国企业的研发投入，致使逆向技术溢出效应难以显现，但是对外直接投资对母国企业逆向技术溢出的长期效应不容忽视。应重视通过对外直接投资积极寻求碳减排技术和清洁生产技术，推动生产技术向“清洁、高效、循环利用”的方向发展，进而抑制母国碳排放。同时加强自主研发力度，提高对技术外溢的消化、吸收和创新能力，注重人力资本投入，加大人才培养力度，加强产学研合作，助力对外直接投资的逆向技术外溢效应，提高母国碳减排能力，逆转OFDI通过技术效应间接增加母国碳排放的态势。
1 由于龙虾的市场价格每年都有所波动，2020年的平均价格为56元/kg。 -
表 1 各主体收益组合模式表
各主体组合模式 符号 联盟收益表现 V(A，B) L1 政府拨款和合作社固定收益 V(A，C) L2 补贴，如粮食直补 V(A，D) L3 政府的脱贫拨款 V(B，C) L4 合作社固定收益 V(B，D) L5 合作社固定收益 V(C，D) L6 无 V（A，B，C） F1 政府对产业发展的拨款 V（A，B，D） F2 合作社与贫困户各自获得相应的补贴 V（A，C，D） F3 上级补贴 V（B，C，D） F4 生产性收益 
下载: 导出CSV
表 2 政府嵌入式产业扶贫的主体合作模型参数设定
参数名称 单位 变量符号 数值 合作社初期投入 万元 I2 164 银行3年固定利率 % r 3.25 流转土地规模 hm2 M 12.10 前期龙虾种苗成本 元/kg C 32 龙虾订单价格 元/kg P 56 龙虾产量 kg/年 m 75 000 每年土地经营权流转费用 元/hm2 p 10 500 周期（一个周期约50 ~ 70
天）龙虾成本元/hm2 H 100 每天雇工费用 元/工 k 100 每年扶持贫困户产业发展资金 元 D 5 000 涉及贫困户 户 R 70 涉及贫困人数 人 L 145 每年村集体合作获得公益金 万元 T 15.12 贫困户粮食综合补贴金 元/hm2 G 1 575 土地流转补贴金 元/hm2 Z 2 250 贫困农户利润分配比例 % E 60 年净利润 元/hm2 Q 104 100 注：数据来源于实地调研和2016—2020年芷江侗族自治县相关政府工作报告。
下载: 导出CSV
表 3 不同利益联盟收益组合
主体组合模式 符号 联盟收益/元 计算公式 V(A) U1 350 000.0 RD V(B) U2 53 300.0 I2r V(C) U3 0.0 V(D) U4 0.0 V(A，B) L1 403 300.0 U1 + U2 V(A，C) L2 15 427.5 (G + Z)M/3 V(A，D) L3 350 000.0 RD V(B，C) L4 53 300.0 I2r V(B，D) L5 53 300.0 I2r V(C，D) L6 0.0 V（A，B，C） F1 9 075.0 ZM/3 V（A，B，D） F2 6 352.5 GM/3 V（A，C，D） F3 15 427.5 （Z + G）M/3 V（B，C，D） F4 1 244 182.5 [Q-(Z + G）/3] M V（A，B，C，D） X 1 259 610.0 QM
下载: 导出CSV
表 4 各主体收益分配比例
边际贡献
比例/%风险承
担比/%理论收益
分配比/%每年理论收
益/（元·hm−2）每年实际收
益/（元·hm−2）政府 33.7 0.0 16.8 17 515.7 0.0 专业合作社 25.0 89.1 57.1 59 413.6 41 640.0 村集体 20.2 0.0 10.1 10 525.1 7 500.0 贫困户 21.1 10.9 16.0 16 645.6 12 750.0
下载: 导出CSV
-
[1] 魏后凯. 2020年后中国减贫的新战略[J]. 中州学刊,2018(9):36-42. doi: 10.3969/j.issn.1003-0751.2018.09.007 [2] 张其仔,伍业君. 乡村振兴与脱贫攻坚衔接的理论基础及实现路径:基于产品空间理论的产业发展视角[J]. 江西财经大学学报,2022(1):98-110. [3] 中央人民政府网. 国务院新闻办就产业扶贫进展成效举行发布会[EB/OL]. (2020-12-16)[2022-11-11]. https://www.gov.cn/xinwen/2020-12/16/content_5569989.htm. [4] 刘建生,陈鑫,曹佳慧. 产业精准扶贫作用机制研究[J]. 中国人口·资源与环境,2017,27(6):127-135. [5] 朱启臻. 乡村振兴背景下的乡村产业:产业兴旺的一种社会学解释[J]. 中国农业大学学报(社会科学版),2018,35(3):89-95. [6] 孔祥智. 产业兴旺是乡村振兴的基础[J]. 农村金融研究,2018(2):9-13. doi: 10.16127/j.cnki.issn1003-1812.2018.02.003 [7] 高强. 脱贫攻坚与乡村振兴有机衔接的逻辑关系及政策安排[J]. 南京农业大学学报(社会科学版),2019,19(5):15-23. [8] 高强. 脱贫攻坚与乡村振兴有效衔接的再探讨:基于政策转移接续的视角[J]. 南京农业大学学报(社会科学版),2020,20(4):49-57. [9] 姜庆志,胡炎平. 产业扶贫成败的多重逻辑及其组合研究:基于42个典型案例的定性比较分析[J]. 农村经济,2020(6):74-82. [10] 黄承伟. 巩固拓展脱贫攻坚成果同乡村振兴有效衔接的战略演进逻辑[J]. 农业经济问题,2022(6):4-11. doi: 10.13246/j.cnki.iae.2022.06.004 [11] 章文光. 精准扶贫与乡村振兴战略如何有效衔接[J]. 人民论坛,2019(4):90-97. doi: 10.3969/j.issn.1004-3381.2019.04.039 [12] 卢黎歌,武星星. 后扶贫时期推进脱贫攻坚与乡村振兴有机衔接的学理阐释[J]. 当代世界与社会主义,2020(2):89-96. doi: 10.16502/j.cnki.11-3404/d.2020.02.013 [13] 涂圣伟. 脱贫攻坚与乡村振兴有机衔接:目标导向、重点领域与关键举措[J]. 中国农村经济,2020(8):2-12. [14] 边慧敏,张玮,徐雷. 连片特困地区脱贫攻坚与乡村振兴协同发展研究[J]. 农村经济,2019(4):40-46. [15] 朱海波,聂凤英. 深度贫困地区脱贫攻坚与乡村振兴有效衔接的逻辑与路径:产业发展的视角[J]. 南京农业大学学报(社会科学版),2020,20(3):15-25. [16] 吴军民,段宜嘉. 新型农业经营主体融合发展与农户多维生计提升:基于政策势能集聚分析框架的实证研究[J]. 经济地理,2022,42(8):174-183. [17] 李耀锋,高红旗. 从脱贫攻坚走向乡村振兴:扎根乡土产业致富带头人的衔接作用与培育路径[J]. 中国农业大学学报(社会科学版),2022,39(4):1-18. [18] 齐文浩,齐秀琳. 社会力量助推乡村振兴:机制、障碍与因应策略[J]. 农业经济问题,2023(3):62-71. doi: 10.13246/j.cnki.iae.20221012.001 [19] 张亮,马释宇. 政策代理“责任到人”与农业生产“组织起来”:农牧交错地带脱贫攻坚与乡村振兴衔接的动力机制研究[J]. 西北民族研究,2022(4):150-159. [20] 郭俊华,卢京宇. 产业兴旺推动乡村振兴的模式选择与路径[J]. 西北大学学报(哲学社会科学版),2021,51(6):42-51. [21] 胡高强,孙菲. 新时代乡村产业富民的理论内涵、现实困境及应对路径[J]. 山东社会科学,2021(9):93-99. doi: 10.14112/j.cnki.37-1053/c.2021.09.014 [22] 刘明月,冯晓龙,冷淦潇,等. 从产业扶贫到产业兴旺:制约因素与模式选择[J]. 农业经济问题,2021(10):51-63. doi: 10.13246/j.cnki.iae.2021.10.005 [23] 吴春来. 产业扶贫与产业振兴有效衔接初探[J]. 西南民族大学学报(人文社会科学版),2021(12):180-189. doi: 10.3969/j.issn.1004-3926.2021.12.024 [24] 钟真,涂圣伟,张照新. 紧密型农业产业化利益联结机制的构建[J]. 改革,2021(4):107-120. [25] 李琳. 乡村振兴背景下农业扶贫产业的可持续性:基于中部成村黄桃产业转型的思考[J]. 中国农业大学学报(社会科学版),2023,40(1):1-16. [26] 汪三贵,冯紫曦. 脱贫攻坚与乡村振兴有机衔接:逻辑关系、内涵与重点内容[J]. 南京农业大学学报(社会科学版),2019,19(5):8-14. [27] 涂圣伟. 产业融合促进农民共同富裕:作用机理与政策选择[J]. 南京农业大学学报(社会科学版),2022,22(1):23-31. doi: 10.3969/j.issn.1671-7465.2022.1.njnydxxb-shkxb202201003 [28] 幸绣程,黄杰龙,王旭,等. 收益分配视角下政府嵌入式合作脱贫:以吕梁市岚县合作脱贫为例[J]. 西北农林科技大学学报(社会科学版),2019,19(5):81-87. [29] 李松有. 打赢脱贫攻坚战后农村贫困治理的优化与升级:基于嵌入式农村扶贫实践经验及嵌入行为治理的思考[J]. 西部论坛,2020,30(3):27-35. doi: 10.3969/j.issn.1674-8131.2020.03.003 [30] 范龙昌,范永忠. 农业产业化过程中农户收益的保障机制研究:基于“公司 + 农户”经营模式的分析[J]. 改革与战略,2011,27(8):90-92. doi: 10.3969/j.issn.1002-736X.2011.08.026 [31] 赵晓飞,李崇光. 农产品供应链联盟的利益分配模型与策略研究[J]. 软科学,2008(5):90-94. doi: 10.3969/j.issn.1001-8409.2008.05.019 [32] 叶晓甦,吴书霞,单雪芹. 我国PPP项目合作中的利益关系及分配方式研究[J]. 科技进步与对策,2010,27(19):36-39. doi: 10.3969/j.issn.1001-7348.2010.19.010 -
期刊类型引用(8)
1. 王兰会，丁清旻，高丽媛，胡延杰. 来自越南的冲击——中越木质板材出口贸易竞争力与潜力比较. 世界林业研究. 2023(05): 132-137 . 
百度学术
2. 段菁阳，罗奕奕，程宝栋，杨超. 中国与RCEP成员国人造板贸易的竞争性和互补性研究. 林产工业. 2022(02): 58-62 . 百度学术
3. 欧阳友全，戴永务，施正煌. 中国对《区域全面经济伙伴关系协定》成员国林产品出口贸易持续时间研究. 林业经济. 2022(04): 5-18 . 百度学术
4. 胡艳英，刘思雨. 贸易便利化对中国木质林产品出口东盟的三元边际影响研究. 林业经济问题. 2021(04): 414-423 . 百度学术
5. 张洪瑞，郭海红，殷健. “一带一路”背景下中国与东盟木质林产品贸易的绿色生产率效应研究. 林业经济. 2021(05): 82-96 . 百度学术
6. 古丽娟. “一带一路”背景下木材加工企业的跨境发展策略. 林产工业. 2020(02): 79-81 . 百度学术
7. 岳鹏. 广西与东盟贸易便利化的金融需求及对策探讨. 山西农经. 2020(07): 25-26 . 百度学术
8. 张慧，胡明形. 中国从“一带一路”沿线国家进口木质林产品的贸易潜力研究. 北京林业大学学报(社会科学版). 2019(04): 62-68 . 百度学术
其他类型引用(6)
计量
- 文章访问数: 125
- HTML全文浏览量: 36
- PDF下载量: 48
- 被引次数: 14
