高级检索

出口技术复杂度对中国林产工业碳排放的影响研究

张艺馑, 萧建秀, 侯方淼

张艺馑, 萧建秀, 侯方淼. 出口技术复杂度对中国林产工业碳排放的影响研究[J]. 北京林业大学学报(社会科学版), 2024, 23(4): 34-42. DOI: 10.13931/j.cnki.bjfuss.2023141
引用本文: 张艺馑, 萧建秀, 侯方淼. 出口技术复杂度对中国林产工业碳排放的影响研究[J]. 北京林业大学学报(社会科学版), 2024, 23(4): 34-42. DOI: 10.13931/j.cnki.bjfuss.2023141
Zhang Yijin, Xiao Jianxiu, Hou Fangmiao. Impact of Export Technology Complexity on Carbon Emissions of Forestry Industry in China[J]. Journal of Beijing Forestry University (Social Science), 2024, 23(4): 34-42. DOI: 10.13931/j.cnki.bjfuss.2023141
Citation: Zhang Yijin, Xiao Jianxiu, Hou Fangmiao. Impact of Export Technology Complexity on Carbon Emissions of Forestry Industry in China[J]. Journal of Beijing Forestry University (Social Science), 2024, 23(4): 34-42. DOI: 10.13931/j.cnki.bjfuss.2023141

出口技术复杂度对中国林产工业碳排放的影响研究

基金项目: 国家社会科学基金项目“‘双碳’目标下中国林产工业绿色低碳发展路径及政策研究”(22BJY222)。
详细信息
    作者简介:

    张艺馑,硕士生。主要研究方向:林业经济。地址:100089 北京外国语大学国际商学院

    责任作者:

    侯方淼,博士,教授。主要研究方向:林业经济政策、林产品贸易与全球价值链。地址:100083 北京林业大学经济管理学院。

  • 中图分类号: F326

Impact of Export Technology Complexity on Carbon Emissions of Forestry Industry in China

  • 摘要:

    面对中国林产工业长期存在的出口产品质量与技术结构问题,研究林产品出口技术复杂度对碳排放的影响对于实现碳减排具有重要意义。基于此,本文首先利用Hausmann模型计算2011—2020年中国林产工业细分林产品出口技术复杂度,用该指数衡量林产工业出口结构,其次利用联合国政府间气候变化专门委员会的方法对中国林产工业的碳排放进行具体测算,最后构建随机效应模型,对出口技术复杂度及其效应与碳排放的关系进行实证分析。结果表明,中国林产品出口技术复杂度较低且提升迟缓,且林产工业碳排放总量巨大,特别是纸和纸制品细分行业产生的碳排放较多;中国林产品出口技术复杂度提升对碳减排具有消极影响,但其产生的规模效应、结构效应、技术效应与FDI效应对于碳减排具有显著的正向作用。针对研究结果提出以下建议:不断调整林产工业产业结构,提高技术含量,促进出口技术复杂度提升;建立林产品碳贸易减排机制,包括碳限额与碳关税;改进行业要素结构,利用技术进步提升能源利用率。

    Abstract:

    Given the longstanding issues with export product quality and technical structure in China's forestry industry, examining the impact of export technological complexity on carbon emissions is essential for achieving carbon reduction goals. To this end, this study first applies the Hausmann model to calculate the export technological complexity of China's forestry industry and its sub-sectors from 2011 to 2020, using this index to assess the industry's export structure. Next, the study employs the methods outlined by the Intergovernmental Panel on Climate Change (IPCC) to estimate carbon emissions specific to China's forestry industry. Finally, a random effects model is constructed to conduct an empirical analysis of the relationship between export technological complexity, its effects, and carbon emissions. The results indicate that China's forestry industry exhibits low export technological complexity with slow improvements, while the total carbon emissions of the industry are substantial, particularly in the paper and paper products sub-sector. Although increasing the export technological complexity in China's forestry industry negatively impacts carbon reduction, the scale effect, structural effect, technological effect, and FDI effect generated by this complexity have significant positive effects on carbon reduction. Based on these findings, the following recommendations are proposed: Continuously adjust the industry structure of the forestry sector, enhance technical content, and promote the growth of export technological complexity; Establish a carbon trade and reduction mechanism for forestry products, including carbon quotas and carbon tariffs; Improve the structure of industry inputs and leverage technological progress to enhance energy efficiency.

  • 当今国际社会高度关注全球气候变暖和气候变化现象。为控制全球温室气体排放,1992年联合国制定了《联合国气候变化框架公约》,随后1997年又通过了《京都议定书》,议定书明确指出世界各国均有碳减排义务。低碳经济有助于推动产业结构和贸易结构转型升级,因此,发展低碳经济正逐渐成为各国的主流趋势。为解决气候变化问题,推动我国生态文明建设和产业高质量发展,习近平主席在第七十五届联合国大会一般性辩论上的讲话中表示,中国将提高国家自主贡献力度,采取更加有力的政策和措施,二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和。为此,中国的对外贸易需要进一步节能减排,响应国际社会低碳环保与国家低碳发展的号召。中国自改革开放以来,进出口贸易总量迅速增长,已成为全球第一货物贸易大国。国际贸易背后隐藏的巨大的能源消耗及碳排放等问题逐渐显露。由于二氧化碳排放是气候变暖的主要原因,因此减少二氧化碳排放成为缓解全球气候变化问题的关键[1]。自21世纪以来,中国已成为世界上最大的二氧化碳排放国。生态环境部发布的《2020年中国生态环境统计年报》显示,2020年中国二氧化碳排放量为98.935亿t,居全球首位。而根据联合国政府间气候变化专门委员会(简称IPCC)2020年发布的第六次评估报告显示,农业、林业和其他土地利用部门所排放的温室气体约占全球温室气体总排放量的22%,是继能源(34%)和工业(24%)部门之后的第三大排放源。目前,中国已成为林产品生产和进出口贸易的主要经济强国[2],2022年林产品进出口贸易额达1 883亿美元,纸和纸制品、木制品、木家具等众多林产品的产量和出口量均居世界首位[3]。因此,中国的林产工业有巨大的碳减排潜力。为实现减排目标,林产工业需要加速提升林产品质量,优化升级产业结构,这是实现“双碳”目标的必由之路,也是贯彻新发展理念、构建新发展格局、推动高质量发展的内在要求。

    目前,国内较少有学者研究中国林产品出口技术复杂度升级对碳排放的影响,但其他行业的相关研究可提供有益借鉴。为在降低中国林产工业的碳排放总量与促进国家经济利益增长之间寻求新的平衡点,本文深入研究中国林产品出口技术复杂度升级对碳排放的影响,这对林产工业产业技术结构升级、产品质量提升和总体减排目标的实现具有重要意义,同时为促进林产品贸易的转型与升级、提高中国在全球林产品价值链中的地位以及推进林产工业的可持续发展提供建议。

    近年来,有关中国林产品出口技术复杂度的研究较少。苏蕾等[4]聚焦测算2005—2015年中国木质林产品出口复杂度,发现与发达国家相比,中国木质林产品出口技术复杂度偏低,且增长缓慢,同时发现中国木质林产品出口技术复杂度未达到与本国经济发展水平相匹配的期望值,反映出中国木质林产品出口结构不合理。出口技术复杂度在一定程度上能反映某国(地区)出口产品的技术含量以及国际分工地位[5]。尽管中国林产品出口技术复杂度呈现持续上升趋势,但是中国林产品在全球林产品价值链中的地位仍处于较低的位置[6]。中国以低廉的土地、劳动力资源承接了全球价值链转移当中的生产制造环节,成为名副其实的“世界工厂”,林产工业也不例外。例如在木材产业,原材料由俄罗斯、东南亚等国家(地区)提供,中国负责加工成家具等产品,再出口到欧美等发达国家(地区)。这种分工模式大量消耗并低效利用木材资源,对环境造成污染,形成了以“加工贸易”为主导的贸易模式[7]。长期以来的加工型林产品贸易模式,使中国在全球林产品价值链利益分配中处于不利地位,面临“低端锁定”的风险[8]。不同国家根据其比较优势参与全球价值链,促进了生产要素的再分配,使全球碳排放在不同国家与部门之间转移。由于母国严格的环境规制,主导全球价值链的跨国公司将一些碳排放量高的生产和制造环节转移到环境制约相对宽松的发展中国家,导致了一定的污染转移问题[9]

    较少有文献测算林产工业的直接碳排放,但有较多文献进行制造业碳排放的测度。张明志[10]根据IPCC提供的关于二氧化碳测算的参考方法,对制造业细分行业的碳排放进行了测算。王向进等[11]改进了IPCC所给的碳排放系数,使测算结果能够更加真实地反映我国能源消耗产生的实际碳排放量。近年来,关于中国林产工业碳排放的研究多集中于对贸易隐含碳排放量的测算及其影响因素的探究。王兰会等[12]测算了我国出口木质林产品行业的隐含碳排放量,发现其呈现上升趋势,且行业隐含碳排放主要产生于出口林产品,表明我国承担了过多的隐含碳排放。

    关于林产品出口技术复杂度提升对碳排放的影响的研究较少,较多文献从全球价值链角度出发,研究出口技术复杂度与碳排放之间的关系。根据全球价值链分工特征,在全球生产网络中参与高端产品的生产,会密集使用高新技术和先进知识;在全球生产网络中参与低端产品的生产,会密集使用能源和劳动资源。侯方淼等[13]研究发现,提升全球价值链的分工地位有助于减少林产品贸易隐含碳排放,全球价值链低端嵌入是中国林产工业参与国际分工导致高贸易隐含碳排放的主要原因。郭玲等[14]研究发现,林产品全球价值链位置的提升会抑制出口隐含碳排放,提升全球价值链位置将有效减少某国林产品出口碳排放。

    综上所述,目前对林产品出口技术复杂度与碳排放关系的研究还比较少,因此本文以林产工业为研究对象,构建随机效应模型,探究林产品出口技术复杂度提升及其附带效应对碳排放量的影响。将出口技术复杂度与碳排放置于同一研究框架下来分析,旨在为林产品技术结构、出口结构转型,以及林产工业的低碳减排提供理论参考。

    出口技术复杂度的提升代表该产业技术水平的提高。技术进步会促进生产工艺和生产设备朝低能耗、高产出的方向发展,成本高、效率低的设备与生产模式将被淘汰,从根本上减少能源使用量、提高能源利用率,进而降低碳排放。基于此,技术工艺的进步可以提高能源的有效利用率,同时增加劳动密集型产品的附加值,促使其向技术密集型转化,有利于减少行业整体能耗。根据以上分析,提出假说H1:中国林产品出口技术复杂度的提升对碳排放的直接影响是负向的。

    Antweiler等 [15]通过建立一个一般均衡的贸易-污染模型,将贸易对环境的影响模型化。该模型将贸易对环境的影响分为规模效应、技术效应和结构效应,为研究国际贸易中的环境效应搭建了基本研究框架。之后大部分学者采用这一研究框架来分析出口技术复杂度对碳排放的影响,即出口技术复杂度提升会通过规模效应、技术效应和结构效应影响碳排放,对行业整体碳排放量产生间接的影响。生产规模的扩大有助于形成规模经济,从而提高生产技术、生产效率、能源资源利用率与碳减排技术水平,进而降低单位能耗、污染物排放和碳排放。王菲等[16]研究发现,中国对日本出口贸易的隐含碳排放总量与出口规模和出口结构有关,其中以出口规模的作用最为显著。庄宗明等[17]研究发现,我国国内最终需求规模的扩张对碳排放量增加的贡献最大。庞军等[18]分析发现,中欧发生贸易时中国出口贸易隐含碳增长,主要是因为双边贸易规模的增加,即规模效应的扩张。赵潇涵等[19]通过分析我国各省份数据探究了林产品贸易与碳排放的关系,发现木质林产品贸易的不断发展与林产品经济产出规模的扩大,会直接造成林产工业碳排放的增加。目前,中国林产工业仍是以数量为主的增长模式,出口技术复杂度提升的规模效应可能会增加行业碳排放。基于此,提出假说H2a:中国林产品出口技术复杂度提升的规模效应对碳排放的影响是正向的。

    出口技术复杂度提升意味着行业整体技术水平的提升,进而促进产业的转型升级,调整产业结构趋于高级化与合理化,从而带来产业整体的碳减排。杜运苏等[20]分析发现,出口结构调整升级有助于降低出口隐含碳排放。此外,出口技术复杂度提升促使劳动密集型产业最终向技术密集型等节能环保的新兴产业转变,将会减少高耗能产品的生产,改变原有的造成环境污染的工业发展模式,寻求有利于生态环境的绿色发展模式[21]。技术水平提升促进产业结构从要素驱动型向投资和创新驱动型转变,对碳减排有很大的促进作用[22]。基于此,提出假说H2b:中国林产品出口技术复杂度提升的结构效应对碳排放的影响是负向的。

    从技术效应来看,出口技术复杂度提升带来的技术进步促进林业企业更加关注生产效率、能源利用率,而非规模扩大、成本降低带来的经济效率,因而更加注重节能减排。范丽伟等[23]研究发现,能源利用效率的改善是减少隐含碳排放的主要原因。谭娟等[24]分析发现,提高生产技术、优化贸易与能源消费结构是降低中国对欧贸易隐含碳排放的必要途径。此外,兰宜生等[25] 测算了2002年、2005年、2007年我国出口商品内涵碳排放量,并运用投入产出偏差模型得出技术效应是出口商品内涵碳排放量减少的主要因素。郭玲等[26]通过测算中国林产品生产侧碳排放量发现,中国林产品出口碳强度高于进口碳强度,表明生产侧承担了较高碳排放量;并且技术效应起主导的抑制作用,说明提高技术水平有助于减少中国林产品贸易生产侧的碳排放量。基于此,提出假说H2c:中国林产品出口技术复杂度提升的技术效应对碳排放的影响是负向的。

    除上述3种效应外,出口技术复杂度的提升将会吸引更多外资投入,对碳排放有不可忽视的影响。很多学者对此进行了相关研究。翟超颖等[27]研究发现, 外商直接投资(简称FDI)短期内促进碳排放,长期则抑制碳排放。邓荣荣等[28]研究发现,人力资本水平和市场化程度越高,FDI的低碳技术溢出效应越显著。吴军等[29]研究发现,外商直接投资对碳排放强度具有显著的抑制作用,对外直接投资对碳排放强度的影响不明显。以上学者都认为基于“污染光环效应”,FDI可能会抑制东道国碳排放[30-31]。基于此,提出假说H2d:中国林产品出口技术复杂度提升的FDI效应对碳排放的影响是负向的。

    基于以上分析,本文绘制了出口技术复杂度提升间接影响碳排放的作用路径,如图1所示。

    图  1  出口技术复杂度提升间接影响碳排放的作用路径

    本文以出口技术复杂度为解释变量、碳排放量为被解释变量构建面板模型。另外,本文考虑出口技术复杂度提升的规模效应、结构效应、技术效应和FDI效应对碳排放量的间接影响。

    设定计量经济模型如式(1)所示。

    $$ \begin{split} C_{it}= & \pi_0+\pi_1S_{it}+\pi_2K_{it}+\pi_3T_{it}+\pi_4\mathrm{F}\mathrm{D}\mathrm{I}_{it}+\pi_5\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}_{it}+ \\ &\pi_6\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}_{it}\times S_{it}+\pi_7\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}_{it}\times K_{it}+\pi_8\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}_{it}\times \\ &T_{it}+\pi_9\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}_{it}\times \mathrm{F}\mathrm{D}\mathrm{I}_{it}+\varepsilon_{it} \\[-1pt] \end{split} $$ (1)

    式中,$ i $为行业,$ t $为年份,$ {\varepsilon }_{it} $为随机扰动项,$ {\mathrm{\pi }}_{0} $,$ {\pi }_{1} $,···,$ {\pi }_{9} $为待估计系数。$ {C}_{it} $为行业$ i $第$ t $年的碳排放量(单位:万t);$ {S}_{it} $为规模效应,用林产工业分行业出口额表示(单位:亿美元);$ {K}_{it} $为结构效应,用林产工业分行业资本劳动比表示(单位:%);$ {T}_{it} $为技术效应,用林产工业分行业单位产值能耗量表示(单位:万t标准煤);$ {\mathrm{F}\mathrm{D}\mathrm{I}}_{it} $为外商直接投资效应,用林产工业分行业外商资本占实收资本的比例表示(单位:%)。$ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{it} $为出口技术复杂度。本文利用Stata17软件对上述面板数据进行参数估计。

    由于不同国家在林产品统计口径上存在较大差异,因此不同国家对林产品的分类标准也不尽相同。借鉴《中国能源统计年鉴》、戴明辉等[32]研究中的林产品统计口径,本文将林产品主要细分行业木材加工及木制品、木质家具、纸和纸制品作为林产品的统计分类。林产品的碳排放存在于生产、加工、运输、消费、废弃等全生命周期中,如果采用生命周期法进行测算,需要考虑产品从生产开始到完成所有环节中二氧化碳的排放量,收集数据的难度较大,且该方法适用于单个产品的测算。因此,本文采用王向进等[11]改进的IPCC关于二氧化碳排放量的测算方法,对林产工业二氧化碳排放量进行测算,基本测算公式如下。

    $$ C_{it}=\sum_{ }^{ }(E_{iht}\cdot ef_h\cdot T_h\cdot12/44) $$ (2)

    式中,$ {C}_{it} $为行业$ i $第$ t $年的碳排放量(单位:万t),$ {E}_{iht} $为行业$ i $第$ t $年第$ h $种能源消耗量 (单位:万t标准煤),$ e{f}_{h} $为第$ h $种能源能量值的二氧化碳排放系数(单位:kg/TJ),$ {T}_{h} $为第$ h $种能源的转换因子,即根据发热值计算的转换为能源单位的转换因子[10]。根据该公式计算林产工业各细分行业$ i $的碳排放量。

    根据《中国统计年鉴》中的数据,测算2011—2020年中国林产工业细分行业碳排放量,测算结果如表1所示。测算结果与韩沐洵[33]的结果相似,后者研究采用投入产出法,测算出2011年中国造纸印刷业碳排放量为13.9亿t,与本文测算的2011年纸和纸制品的碳排放量为13.1亿t的结果基本一致。

    表  1  2011—2020年中国林产工业主要细分行业碳排放量测算表
    年份 林产工业主要细分行业 碳排放/万t 年度碳排放总量/万t
    2011 木材加工及木制品 27523.80672 168955.88490
    木质家具 10370.47068
    纸和纸制品 131061.60750
    2012 木材加工及木制品 25421.02801 178504.28390
    木质家具 11241.06329
    纸和纸制品 141842.19260
    2013 木材加工及木制品 24538.18668 195928.01999
    木质家具 12124.39421
    纸和纸制品 159265.43910
    2014 木材加工及木制品 22640.95694 192640.10749
    木质家具 16942.40855
    纸和纸制品 153056.74200
    2015 木材加工及木制品 24440.28135 255052.11411
    木质家具 23484.95476
    纸和纸制品 207126.87800
    2016 木材加工及木制品 23430.74098 270857.69640
    木质家具 17975.77502
    纸和纸制品 229451.18040
    2017 木材加工及木制品 31340.62182 440186.92206
    木质家具 22656.70164
    纸和纸制品 386189.59860
    2018 木材加工及木制品 33956.84345 519940.96467
    木质家具 18050.12012
    纸和纸制品 467934.00110
    2019 木材加工及木制品 30684.56823 448118.91503
    木质家具 19004.50070
    纸和纸制品 398429.84610
    2020 木材加工及木制品 32805.05577 486815.76858
    木质家具 18569.75631
    纸和纸制品 435440.95650
    下载: 导出CSV 
    | 显示表格

    本文通过出口技术复杂度指数衡量出口结构。目前,测度出口技术复杂度多采用Hausmann模型或Rodrik模型。Hausmann模型基于相对比较优势,侧重测度某一产品出口份额在该国总出口份额中的占比,而Rodrik模型侧重通过测度某一产品的出口份额与该产品的进口份额的比值来衡量比较优势。本文侧重于衡量产品出口竞争力和技术成熟度,因此选择Hausmann模型。

    本文参照 Hausmann[34]的方法分三步构建行业出口技术复杂度指标。

    第一步:构建产品$ j $的世界出口技术复杂度。

    $$ {\text{PROD}}{{\text{Y}}_j} = \displaystyle \sum\nolimits_m {\dfrac{{\dfrac{{{X_{jc}}}}{{\displaystyle \sum\nolimits_m {{X_{mc}}} }}}}{{\displaystyle \sum\nolimits_c {\left(\dfrac{{{X_{jc}}}}{{\displaystyle \sum\nolimits_m {{X_{mc}}} }}\right)} }}} {Y_c} $$ (3)

    式中,$ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{j} $表示产品$ j $的世界出口技术复杂度,$ m $表示某国家出口产品种类数,$ c $表示某一国家,$ {X}_{jc} $表示$ c $国家产品$ j $的出口额(单位:亿美元),$ {X}_{mc} $表示$ c $国家$ m $产业的出口额(单位:亿美元),$ {Y}_{c} $表示$ c $国家的人均 GDP(单位:美元)。

    第二步:构建$ c $国家产品$ j $的出口技术复杂度。

    $${\text{PROD}}{{\text{Y}}_{jc}} = \dfrac{{{X_{jc}}}}{{\displaystyle \sum\nolimits_m {{X_{mc}}} }}{\text{PROD}}{{\text{Y}}_j} $$ (4)

    第三步:构建$ c $国家$ p $行业出口技术复杂度。

    $$ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{pc}=\displaystyle {\sum }_{j=1}^{k}\frac{{X}_{jc}} {\displaystyle{\sum} _{j=1}^{k}{X}_{jc}}{\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{jc} $$ (5)

    式中,$ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{pc} $表示$ c $国家$ p $行业出口技术复杂度,$ k $表示$ p $行业出口产品种类数。

    根据以上步骤计算2011—2020年中国林产工业细分林产品出口技术复杂度,结果如表2所示。

    表  2  2011—2020年中国林产工业细分林产品出口技术复杂度
    年份 原木及其他原材类 锯材类 单板类 人造板类 木制品 软木 木浆 纸和纸制品 木质家具类
    2011 1.03 9.42 14.30 106.17 36.40 0.40 5.26 370.63 80.97
    2012 0.92 7.71 12.85 101.18 38.99 0.31 2.54 373.30 78.98
    2013 1.37 7.18 11.58 95.63 41.43 0.33 1.95 405.72 82.71
    2014 2.35 6.09 10.81 97.96 46.75 0.35 1.97 412.37 86.97
    2015 1.84 3.35 8.32 77.33 43.95 0.35 1.46 343.93 84.52
    2016 2.29 3.64 8.03 79.86 53.36 0.38 1.66 378.75 92.81
    2017 2.24 3.71 8.30 78.02 55.47 0.36 1.94 368.50 74.61
    2018 2.29 3.04 8.16 74.17 60.71 0.40 1.75 364.98 75.56
    2019 2.60 2.63 7.12 58.70 60.25 0.36 1.65 384.78 62.64
    2020 2.50 2.22 6.13 50.95 63.00 0.35 1.34 340.60 55.42
    均值 1.94 4.90 9.56 82.00 50.03 0.36 2.15 374.36 77.52
    下载: 导出CSV 
    | 显示表格

    鉴于数据的可获得性,本文选取除西藏和港澳台地区外,2011—2020年中国林产工业细分行业出口额、世界各国进出口额、人均GDP等数据样本,其中林产工业细分行业出口额数据主要源于UN Comtrade数据库,其余变量的数据来自《中国统计年鉴》、《中国工业统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》、UN Comtrade数据库和世界银行数据库。本研究中变量的描述性统计分析如表3所示。

    表  3  变量的描述性统计分析
    变量 平均值 中位数 标准差 最小值 最大值
    $ {C}_{it} $ 10.520 2.647 14.100 1.037 46.790
    $ {S}_{it} $ 0.023 0.024 0.005 0.013 0.030
    $ {K}_{it} $ 0.002 0.002 0.001 0.001 0.006
    $ {T}_{it} $ 1.208 1.001 0.786 0.301 3.322
    $ {\mathrm{F}\mathrm{D}\mathrm{I}}_{it} $ 0.140 0.106 0.097 0.029 0.313
    $ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{it} $ 170.900 79.970 145.500 54.270 410.200
    下载: 导出CSV 
    | 显示表格

    本文主要变量的方差膨胀因子(VIF)平均值为4.81,各变量VIF值最大为8.28,最小为1.36,均小于10,说明变量之间不存在多重共线性问题,可以对模型进行多元回归分析,进一步探究出口技术复杂度提升对碳排放的影响。

    为检验模型的适用性,本研究依次进行了F检验、LM检验和Hausman检验。F检验结果显示,p值为0.184 1,未能拒绝原假设,表明混合普通最小二乘模型优于固定效应模型。随后的LM检验结果显示,p值为1.000 0,支持选择随机效应模型而非混合普通最小二乘模型。最后,Hausman检验的p值为0.597 9,表明随机效应估计量是一致且有效的。因此,本研究采用随机效应模型进行后续实证分析。

    面板模型的回归结果如表4所示,共包含5个模型,第1列的结果表示在不引入交互项,即出口技术复杂度提升产生的规模效应、结构效应、技术效应及FDI效应的情况下,出口技术复杂度提升对碳排放的影响。第2 ~ 5列是引入交互项后的回归结果。表4第1列的结果显示,林产品出口技术复杂度对碳排放的影响是正向的,即出口技术复杂度的提升不能有效减少碳排放,与假说H1不相符,可能是由于在出口贸易中,林产工业中的高碳排放行业如造纸及纸制品业占比较高,还未更深层次向清洁化、低碳化方向发展[35]。第2列的结果显示,规模效应与出口技术复杂度的交互项(PRODY × S)为负,表明规模效应减弱了出口技术复杂度的提升对碳排放的正向作用,与假说H2a不相符,即出口技术复杂度提升的规模效应对碳排放具有负向作用。这可能是由于我国在林产工业发展规模持续扩大的过程中,大力改进生产过程,使能源消耗增长速度低于经济规模增长速度,降低单位产值能耗,以此抑制温室气体的排放。第3列的结果显示,结构效应与出口技术复杂度的交互项(PRODY × K)为负,表明结构效应抑制了出口技术复杂度的提升对碳排放的正向作用,即出口技术复杂度提升带来的结构效应减少了碳排放,与假说H2b相符。第4列的结果显示,技术效应与出口技术复杂度的交互项(PRODY × T)为负,表明技术效应抑制了出口技术复杂度的提升对碳排放的正向作用,即出口技术复杂度提升带来的技术效应减少了碳排放,与假说H2c相符。第5列的结果显示,FDI效应与出口技术复杂度的交互项(PRODY × FDI)为负,表明FDI效应减弱了出口技术复杂度提升对碳排放的正向作用,即出口技术复杂度提升带来的FDI效应有效减少了碳排放,与假说H2d相符。

    表  4  回归分析结果
    变量 (1) (2) (3) (4) (5)
    S 87.786 925.124*** −29.334 −954.161** −293.252
    (477.025) (279.153) (491.598) (453.533) (500.735)
    K −177.207 −396.752 2 424.195 −293.917 −212.008
    (1 748.883) (943.394) (3 153.598) (1 367.280) (1 669.392)
    T −9.045*** −3.015*** −9.218*** 4.558 −4.477
    (1.286) (1.045) (1.299) (3.518) (2.784)
    FDI −9.220 −4.693 −0.831 28.451 39.829
    (24.348) (13.141) (25.784) (21.197) (35.491)
    PRODY 0.094*** 0.511*** 0.119*** 0.163*** 0.148***
    (0.019) (0.055) (0.031) (0.022) (0.034)
    PRODY × S −15.867***
    (2.056)
    PRODY × K −9.251
    (9.331)
    PRODY × T −0.040***
    (0.010)
    PRODY × FDI −0.456*
    (0.249)
    常数项 5.064 −24.218*** 1.857 5.457 2.477
    (6.456) (5.149) (7.223) (5.047) (6.323)
    样本数 30 30 30 30 30
    R2 0.910 0.975 0.914 0.947 0.922
    注:******分别表示1%、5%、10%的显著性水平,括号内为标准误。
    下载: 导出CSV 
    | 显示表格

    本文采取工具变量法进行变量内生性检验。本文在测算出口技术复杂度时,按照Hausmann模型采用人均GDP作为一国产品技术含量的替代指标,现借鉴姚战琪[36]的测算方法,改用劳动生产率(国内生产总值/劳动力从业人数)代替人均GDP,对出口技术复杂度进行重新测算。使用两阶段最小二乘法估计出口技术复杂度提升对碳排放的影响,结果如表5所示。

    表  5  两阶段最小二乘法估计结果
    变量 两阶段最小二乘法
    PRODY 0.094*** (0.013)
    S 90.646 (383.791)
    K −158.254 (1 594.188)
    T −9.040*** (1.298)
    FDI −9.310 (18.999)
    常数项 5.006 (4.804)
    样本数 30
    R2 0.910
    注:***表示1%的显著性水平,括号内为标准误。
    下载: 导出CSV 
    | 显示表格

    进行Durbin-Wu-Hausman 检验。Durbin检验中p = 0.938,Wu-Hausman检验中p = 0.946。检验结果显示,所有解释变量均外生,不存在内生性问题。

    本文采用固定效应模型与混合普通最小二乘模型分别对数据进行回归,与采用随机效应模型进行回归的结果进行对比(见表6)。结果表明,三种模型均显示林产品出口技术复杂度提升对碳排放的直接影响是正向的。

    表  6  模型选择实证结果
    变量 混合普通最小二乘
    模型
    固定效应模型 随机效应模型
    S 87.786 (477.025) −49.096 (516.647) 87.786 (477.025)
    K −177.207 (1 748.883) 21.269 (1 731.213) −177.207 (1 748.883)
    T −9.045*** (1.286) −11.719*** (2.564) −9.045*** (1.286)
    FDI −9.220 (24.348) 67.858 (56.985) −9.220 (24.348)
    PRODY 0.094*** (0.019) 0.058 (0.085) 0.094*** (0.019)
    常数项 5.064 (6.456) 6.413 (12.111) 5.064 (6.456)
    样本数 30 30 30
    R2 0.910 0.729 0.910
    注:***表示1%的显著性水平,括号内为标准误。
    下载: 导出CSV 
    | 显示表格

    同时,本文增加其他可能对模型具有影响的变量——人均GDP年增长率(G)与研发水平(D)。人均GDP年增长率用来衡量一个国家的经济发展水平,经济发展水平的提升对环境有积极作用。研发水平会对碳排放量产生影响,通常用研发经费支出水平来衡量研发水平。增加变量后模型的回归结果如表7所示,与上述模型回归结果一致,说明本文研究结论具有较好的稳健性。

    表  7  增加变量后模型的回归结果
    变量 (1) (2) (3) (4) (5)
    S −192.134 (916.780) 1221.260** (525.005) −381.035 (937.108) −758.370 (732.891) −739.819 (922.249)
    K −24.079 (1 880.663) −597.040 (1 007.851) 2709.410 (3 349.360) −380.357 (1 475.837) 37.615 (1 788.961)
    T −10.273** (3.997) −1.834 (2.415) −10.786** (4.033) 5.897 (5.234) −6.114 (4.434)
    FDI 2.464 (40.744) −16.514 (21.919) 13.933 (42.394) 20.359 (32.246) 59.952 (49.964)
    PRODY 0.108** (0.051) 0.508*** (0.060) 0.138** (0.059) 0.151*** (0.041) 0.171*** (0.060)
    G 0.162 (0.834) −0.275 (0.449) 0.174 (0.835) −0.035 (0.655) 0.290 (0.796)
    D −0.033 (0.119) 0.024 (0.064) −0.043 (0.119) 0.032 (0.095) −0.048 (0.113)
    PRODY × S −16.182***
    PRODY × K −9.626 (9.757)
    PRODY × T −0.041*** (0.011)
    PRODY × FDI −0.475* (0.261)
    常数项 9.744 (17.817) −28.289** (10.791) 7.804 (17.936) 0.925 (14.141) 9.138 (16.949)
    样本数 30 30 30 30 30
    R2 0.911 0.976 0.915 0.948 0.923
    注:******分别表示1%、5%、10%的显著性水平,括号内为标准误。
    下载: 导出CSV 
    | 显示表格

    本文对中国林产品出口贸易结构和技术复杂度进行了统计分析,同时对我国林产工业碳排放情况进行了定量分析,主要结论如下:①我国林产品出口技术复杂度依然较低。从2011—2020年我国林产品出口贸易技术复杂度来看, 该指数提升幅度较小,说明中国林产品出口结构转型较为缓慢。②中国林产工业碳排放总量巨大。2011—2020年中国林产工业碳排放量总体呈现先升后降、后逐渐趋于平稳的走势,特别是纸和纸制品行业产生的碳排放量较多,需要引起有关部门的关注。③中国林产品出口技术复杂度提升对碳减排的直接影响是正向的,但其附带效应对碳减排的间接影响是负向的。从实证结果来看,中国林产品出口技术复杂度提升的直接影响是增加了碳排放量,可能的原因是技术复杂度提升对资源利用效率有负向作用[35, 37]。这说明,当前林产品出口技术复杂度虽然有所提升,但技术进步并没有偏向于改进资源利用效率,未能有效实现行业从高能耗到低能耗的转型。④中国林产品出口技术复杂度提升产生的4个效应,包括规模效应、结构效应、技术效应与FDI效应,均对碳排放减少具有显著作用,说明出口技术复杂度的提升对碳减排具有一定的内部作用,能够通过这些效应减少行业碳排放量。

    根据实证研究结果,结合当前我国林产品出口贸易的实际情况,笔者提出以下建议:①提升林产品的出口技术复杂度,提高林产品出口质量,加快林产品的出口转型升级。例如,在生产侧使用清洁生产工具,实现林产品产业升级;在出口侧降低能耗较高、技术复杂度较低、碳排放量较大的木材加工业等产品的出口规模,不断优化出口结构。②建立林产品碳减排机制。面对林产工业巨大的碳排放总量,我国需要建立林产品碳减排机制。一方面可以调整产业和原料结构,减少使用化石能源,增加绿色能源和生物质能源比例;另一方面可以通过立法或建章立制控制碳排放,制定相应的行业碳限额标准,监督检查相关林产品企业碳排放情况。③改进行业要素结构,提高资源利用效率。例如,政府适当调整政策作用方向,有效促进林业企业改进要素结构、提高能源利用率;充分发挥数字技术对产业能效提升的赋能作用,推动构建科学决策、精确执行的能源管控体系,加速生产方式数字化、绿色化转型。

  • 图  1   出口技术复杂度提升间接影响碳排放的作用路径

    表  1   2011—2020年中国林产工业主要细分行业碳排放量测算表

    年份 林产工业主要细分行业 碳排放/万t 年度碳排放总量/万t
    2011 木材加工及木制品 27523.80672 168955.88490
    木质家具 10370.47068
    纸和纸制品 131061.60750
    2012 木材加工及木制品 25421.02801 178504.28390
    木质家具 11241.06329
    纸和纸制品 141842.19260
    2013 木材加工及木制品 24538.18668 195928.01999
    木质家具 12124.39421
    纸和纸制品 159265.43910
    2014 木材加工及木制品 22640.95694 192640.10749
    木质家具 16942.40855
    纸和纸制品 153056.74200
    2015 木材加工及木制品 24440.28135 255052.11411
    木质家具 23484.95476
    纸和纸制品 207126.87800
    2016 木材加工及木制品 23430.74098 270857.69640
    木质家具 17975.77502
    纸和纸制品 229451.18040
    2017 木材加工及木制品 31340.62182 440186.92206
    木质家具 22656.70164
    纸和纸制品 386189.59860
    2018 木材加工及木制品 33956.84345 519940.96467
    木质家具 18050.12012
    纸和纸制品 467934.00110
    2019 木材加工及木制品 30684.56823 448118.91503
    木质家具 19004.50070
    纸和纸制品 398429.84610
    2020 木材加工及木制品 32805.05577 486815.76858
    木质家具 18569.75631
    纸和纸制品 435440.95650
    下载: 导出CSV

    表  2   2011—2020年中国林产工业细分林产品出口技术复杂度

    年份 原木及其他原材类 锯材类 单板类 人造板类 木制品 软木 木浆 纸和纸制品 木质家具类
    2011 1.03 9.42 14.30 106.17 36.40 0.40 5.26 370.63 80.97
    2012 0.92 7.71 12.85 101.18 38.99 0.31 2.54 373.30 78.98
    2013 1.37 7.18 11.58 95.63 41.43 0.33 1.95 405.72 82.71
    2014 2.35 6.09 10.81 97.96 46.75 0.35 1.97 412.37 86.97
    2015 1.84 3.35 8.32 77.33 43.95 0.35 1.46 343.93 84.52
    2016 2.29 3.64 8.03 79.86 53.36 0.38 1.66 378.75 92.81
    2017 2.24 3.71 8.30 78.02 55.47 0.36 1.94 368.50 74.61
    2018 2.29 3.04 8.16 74.17 60.71 0.40 1.75 364.98 75.56
    2019 2.60 2.63 7.12 58.70 60.25 0.36 1.65 384.78 62.64
    2020 2.50 2.22 6.13 50.95 63.00 0.35 1.34 340.60 55.42
    均值 1.94 4.90 9.56 82.00 50.03 0.36 2.15 374.36 77.52
    下载: 导出CSV

    表  3   变量的描述性统计分析

    变量 平均值 中位数 标准差 最小值 最大值
    $ {C}_{it} $ 10.520 2.647 14.100 1.037 46.790
    $ {S}_{it} $ 0.023 0.024 0.005 0.013 0.030
    $ {K}_{it} $ 0.002 0.002 0.001 0.001 0.006
    $ {T}_{it} $ 1.208 1.001 0.786 0.301 3.322
    $ {\mathrm{F}\mathrm{D}\mathrm{I}}_{it} $ 0.140 0.106 0.097 0.029 0.313
    $ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{it} $ 170.900 79.970 145.500 54.270 410.200
    下载: 导出CSV

    表  4   回归分析结果

    变量 (1) (2) (3) (4) (5)
    S 87.786 925.124*** −29.334 −954.161** −293.252
    (477.025) (279.153) (491.598) (453.533) (500.735)
    K −177.207 −396.752 2 424.195 −293.917 −212.008
    (1 748.883) (943.394) (3 153.598) (1 367.280) (1 669.392)
    T −9.045*** −3.015*** −9.218*** 4.558 −4.477
    (1.286) (1.045) (1.299) (3.518) (2.784)
    FDI −9.220 −4.693 −0.831 28.451 39.829
    (24.348) (13.141) (25.784) (21.197) (35.491)
    PRODY 0.094*** 0.511*** 0.119*** 0.163*** 0.148***
    (0.019) (0.055) (0.031) (0.022) (0.034)
    PRODY × S −15.867***
    (2.056)
    PRODY × K −9.251
    (9.331)
    PRODY × T −0.040***
    (0.010)
    PRODY × FDI −0.456*
    (0.249)
    常数项 5.064 −24.218*** 1.857 5.457 2.477
    (6.456) (5.149) (7.223) (5.047) (6.323)
    样本数 30 30 30 30 30
    R2 0.910 0.975 0.914 0.947 0.922
    注:******分别表示1%、5%、10%的显著性水平,括号内为标准误。
    下载: 导出CSV

    表  5   两阶段最小二乘法估计结果

    变量 两阶段最小二乘法
    PRODY 0.094*** (0.013)
    S 90.646 (383.791)
    K −158.254 (1 594.188)
    T −9.040*** (1.298)
    FDI −9.310 (18.999)
    常数项 5.006 (4.804)
    样本数 30
    R2 0.910
    注:***表示1%的显著性水平,括号内为标准误。
    下载: 导出CSV

    表  6   模型选择实证结果

    变量 混合普通最小二乘
    模型
    固定效应模型 随机效应模型
    S 87.786 (477.025) −49.096 (516.647) 87.786 (477.025)
    K −177.207 (1 748.883) 21.269 (1 731.213) −177.207 (1 748.883)
    T −9.045*** (1.286) −11.719*** (2.564) −9.045*** (1.286)
    FDI −9.220 (24.348) 67.858 (56.985) −9.220 (24.348)
    PRODY 0.094*** (0.019) 0.058 (0.085) 0.094*** (0.019)
    常数项 5.064 (6.456) 6.413 (12.111) 5.064 (6.456)
    样本数 30 30 30
    R2 0.910 0.729 0.910
    注:***表示1%的显著性水平,括号内为标准误。
    下载: 导出CSV

    表  7   增加变量后模型的回归结果

    变量 (1) (2) (3) (4) (5)
    S −192.134 (916.780) 1221.260** (525.005) −381.035 (937.108) −758.370 (732.891) −739.819 (922.249)
    K −24.079 (1 880.663) −597.040 (1 007.851) 2709.410 (3 349.360) −380.357 (1 475.837) 37.615 (1 788.961)
    T −10.273** (3.997) −1.834 (2.415) −10.786** (4.033) 5.897 (5.234) −6.114 (4.434)
    FDI 2.464 (40.744) −16.514 (21.919) 13.933 (42.394) 20.359 (32.246) 59.952 (49.964)
    PRODY 0.108** (0.051) 0.508*** (0.060) 0.138** (0.059) 0.151*** (0.041) 0.171*** (0.060)
    G 0.162 (0.834) −0.275 (0.449) 0.174 (0.835) −0.035 (0.655) 0.290 (0.796)
    D −0.033 (0.119) 0.024 (0.064) −0.043 (0.119) 0.032 (0.095) −0.048 (0.113)
    PRODY × S −16.182***
    PRODY × K −9.626 (9.757)
    PRODY × T −0.041*** (0.011)
    PRODY × FDI −0.475* (0.261)
    常数项 9.744 (17.817) −28.289** (10.791) 7.804 (17.936) 0.925 (14.141) 9.138 (16.949)
    样本数 30 30 30 30 30
    R2 0.911 0.976 0.915 0.948 0.923
    注:******分别表示1%、5%、10%的显著性水平,括号内为标准误。
    下载: 导出CSV
  • [1]

    PÉREZ K,GONZÁLEZ-ARAYA M C,IRIARTE A. Energy and GHG emission efficiency in the Chilean manufacturing industry:sectoral and regional analysis by DEA and Malmquist indexes[J]. Energy Economics,2017,66:290-302. doi: 10.1016/j.eneco.2017.05.022

    [2] 田明华,史莹赫,高薇洋,等. 基于引力模型的中国木质林产品进出口影响因素研究及贸易潜力测算[J]. 林业经济问题,2018,38(5):10-18,100.
    [3] 我国林产品进出口贸易额超过 1800 亿美元[EB/OL]. (2023-09-08) [2023-09-27]. https://www.forestry.gov.cn/c/www/lcdt/521998.jhtml.
    [4] 苏蕾,袁辰. 中国木质林产品全球价值链地位分析:基于出口技术复杂度视角[J]. 林业经济问题,2018,38(2):93-97,112.
    [5]

    JOACHIM J,SANDRA P. Export sophistication and economic growth:evidence from China[J]. Journal of Development Economics,2012,97(2):281-292.

    [6] 侯方淼,陈勇,宿海颖. 中国木材产业全球价值链地位攀升研究[M]. 北京:经济管理出版社,2021:22-23.
    [7] 杨娱,田明华,秦国伟. 我国木质林产品贸易高质量发展的路径:基于全球价值链理论与FDI对贸易的影响分析[J]. 学术论坛,2018,41(6):85-92. doi: 10.3969/j.issn.1004-4434.2018.06.013
    [8] 姚茂元,侯方淼. 亚太地区主要国家林产品出口贸易利益及竞争力比较分析:基于增加值贸易核算法[J]. 世界林业研究,2016,29(5):71-76.
    [9] 侯方淼,刘璨,裴润田,等. 我国环境规制对木材加工业全球价值链地位的影响[J]. 南京林业大学学报(自然科学版),2022,46(3):231-240. doi: 10.12302/j.issn.1000-2006.202110006
    [10] 张明志. 我国制造业细分行业的碳排放测算:兼论EKC在制造业的存在性[J]. 软科学,2015,29(9):113-116.
    [11] 王向进,杨来科,钱志权. 出口结构转型、技术复杂度升级与中国制造业碳排放:从嵌入全球价值链的视角[J]. 产经评论,2017,8(3):5-17.
    [12] 王兰会,张丹青,符颖佳. 中国木质林产品隐含碳排放影响因素动态分析[J]. 北京林业大学学报(社会科学版),2016,15(4):46-51.
    [13] 侯方淼,裴润田,刘璨,等. 中国林产工业嵌入全球价值链对贸易隐含碳排放的影响[J]. 中南林业科技大学学报,2022,42(10):177-188.
    [14] 郭玲,林凝芬,王文烂,等. 全球价值链分工对林产品出口隐含碳的影响[J]. 林业经济,2022,44(9):76-96.
    [15]

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

    [16] 王菲,李娟. 中国对日本出口贸易中的隐含碳排放及结构分解分析[J]. 经济经纬,2012(4):61-65. doi: 10.3969/j.issn.1006-1096.2012.04.013
    [17] 庄宗明,卫瑞. 中国碳排放变动趋势及其影响因素:基于(进口)非竞争型投入产出表的分析[J]. 厦门大学学报(哲学社会科学版),2014(5):107-116.
    [18] 庞军,张浚哲. 中欧贸易隐含碳排放及其影响因素:基于MRIO模型和LMDI方法的分析[J]. 国际经贸探索,2014,30(11):51-65.
    [19] 赵潇涵,米锋. 基于技术进步的木质林产品贸易碳排放效应研究[J]. 北京林业大学学报(社会科学版),2023,22(1):64-71.
    [20] 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.
    [21] 刘思华. 正确把握生态文明的绿色发展道路与模式的时代特征[J]. 毛泽东邓小平理论研究,2015(8):33-38.
    [22]

    ZHANG J Z,ZHAO Z Y,ZHAO W Q,et al. The impact of forest certification on the ternary margins of China's forest product export[J]. Forests,2022,13(8):1313. doi: 10.3390/f13081313

    [23] 范丽伟,潘晨,赵锡波. 出口贸易隐含碳变化驱动因素分析模型及应用[J]. 北京理工大学学报(社会科学版),2014,16(6):34-40.
    [24] 谭娟,陈鸣. 基于多区域投入产出模型的中欧贸易隐含碳测算及分析[J]. 经济学家,2015(2):72-81.
    [25] 兰宜生,宁学敏. 基于投入产出偏差模型的我国出口商品内涵碳排分析[J]. 世界经济研究,2011(7):65-69,89.
    [26] 郭玲,宁才晟,王文烂. 中国林产品生产侧碳排放量的测度与效应分解:基于多区域投入产出与结构分解分析模型[J]. 林业经济,2022,44(5):23-40.
    [27] 翟超颖,汪磊群. 外商直接投资的绿色环境效应分析:基于省级动态面板的系统GMM方法和门槛回归[J]. 福建金融,2023(3):3-12.
    [28] 邓荣荣,张翱祥. FDI技术溢出、行业吸收能力与工业碳排放强度:基于面板门槛模型的实证[J]. 国际商务研究,2023,44(2):1-13. doi: 10.3969/j.issn.1006-1894.2023.02.001
    [29] 吴军,理爽. 双循环背景下双向FDI对碳排放强度的影响研究:基于动态空间杜宾模型的分析[J]. 生态经济,2022,38(12):23-30,38.
    [30] 李晓钟,刘振宇. FDI 对我国制造业碳排放影响分析[J]. 国际商务(对外经济贸易大学学报),2013(1):95-103.
    [31] 白红菊,刘蒂,齐绍洲. FDI不同来源地对我国碳排放影响的实证分析[J]. 世界经济研究,2015(7):108-115.
    [32] 戴明辉,沈文星. 中国木质林产品贸易流量与潜力研究:引力模型方法[J]. 资源科学,2010,32(11):2115-2122.
    [33] 韩沐洵. 基于碳测算的中国木质林产品贸易结构优化研究[D]. 北京:北京林业大学,2016:54-56.
    [34] HAUSMANN R, HWANG J, RODRIK D. What you export matters[J]. Journal of Economic Growth, 2007, 12(1): 1-25.

    HAUSMANN R, HWANG J, RODRIK D. What you export matters[J]. Journal of Economic Growth,2007,12(1):1-25.

    [35] 侯方淼,成诗怡,王冰昕,等. 产业集聚对中国木材产业出口技术复杂度的影响测度与分析[J]. 林业经济,2023,45(10):5-23.
    [36] 姚战琪. 数字贸易、产业结构升级与出口技术复杂度:基于结构方程模型的多重中介效应[J]. 改革,2021(1):50-64.
    [37] 侯方淼,王宏飞,刘璨,等. 产业集聚对中国木材企业全球价值链地位的作用机制及其实现路径[J]. 林业科学,2023,59(12):137-151. doi: 10.11707/j.1001-7488.LYKX20230091
图(1)  /  表(7)
计量
  • 文章访问数:  65
  • HTML全文浏览量:  21
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-10-01
  • 刊出日期:  2024-12-24

目录

/

返回文章
返回