Skip to content
返回搜索结果

投入产出结构分解分析

提出者
Wassily Leontief, adapted by Rose and others
年份
1985
类型
Decomposition method
类别
Economic-environmental analysis

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

投入产出结构分解分析(IO-SDA)是一种经济环境核算方法,其根基是瓦西里·里昂惕夫(Wassily Leontief)的投入产出框架。它将经济活动及其相关环境影响(排放、资源使用)随时间的变化分解为反映技术变革、需求转变和经济结构重组的组成部分。Rose、Chen及其他学者在20世纪80年代至90年代将SDA正式化,用于可持续性分析。

方法背后的直觉

想象一个国民经济是一个由相互买卖的行业组成的网络。当制造业的碳排放量翻倍时,是因为(a)工厂变得更脏(技术更差),(b)人们需要更多产品(需求增加),(c)经济从重工业转向服务业(结构性变化),还是(d)多种因素的混合?IO-SDA可以解决这个难题。它追踪每一美元的最终需求如何通过供应链产生连锁反应,并比较前后网络的差异。通过一次只改变一个因素(技术上),你可以看到是什么导致了实际的变化。

历史学

投入产出表由瓦西里·里昂惕夫(Wassily Leontief, 1951)提出,用于模拟经济相互依存关系。在20世纪80年代至90年代,Rose、Casler及其他学者将该框架应用于分解环境影响,创建了IO-SDA作为气候和资源政策的工具。Dietzenbacher和Los(2000)系统化了该方法并阐明了分解选择。当代变体扩展到连接贸易的多区域模型(MRIO)和基于消费的问责框架。

何时使用

使用IO-SDA将环境影响变化的责任归因于特定的驱动因素——理解生产是否变得更脏、需求是否激增或产业是否发生转变。这对于气候政策设计、价值链层面的企业碳足迹核算以及国家排放清单至关重要。当投入产出表不可用或过时,或者比较部门结构差异很大的经济体时,应避免使用。

局限与注意事项

  • 数据需求:需要详细、定期更新的投入产出表;许多国家缺乏可靠的表格或更新不频繁
  • 静态结构:假设行业技术系数相对稳定;重大的创新或颠覆可能使假设失效
  • 聚合偏差:平均系数隐藏了行业内部的异质性(有些公司比其他公司清洁得多)

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 全面覆盖:通过经济体内的整个供应链捕捉直接和间接影响
  • 清晰归因:明确将变化分解为技术、需求和结构因素——提供透明的政策杠杆
  • 灵活性:可应用于任何可与经济部门关联的流量(能源、排放、材料、水)
  • 时间可比性:历史数据表允许进行趋势分析和长期结构性变化的评估

应用

  • 国家排放核算:将二氧化碳变化分解为技术、需求和结构性转变,以指导气候政策并跟踪实现目标的进展
  • 贸易和隐含碳:计算碳泄漏(国内减排是否被更脏的进口抵消)并在供应链中分配责任
  • 循环经济转型:评估从线性生产向回收、再制造和生物基材料的转变如何改变部门强度和需求模式
  • 能源效率政策:评估效率标准是否真正降低了能源强度,或者反弹效应(廉价能源服务消费增加)是否抵消了收益
  • 水和材料足迹:通过追溯生产网络中的间接需求,评估供应链对水资源短缺或矿物短缺的脆弱性

使用方式

使用方式

1

获取两个时间段的投入产出表(或供给使用表),通常间隔5-10年,这些数据来自国家统计局。同时,为每个行业编制相应的环境影响(排放、资源开采、用水量)向量。

2

协调两个表之间的行业分类(必要时重新分类),汇总到一致的部门细节,并确保环境数据与相同的行业代码对齐,且单位一致(吨二氧化碳当量、兆升等)。

3

计算两个时期的技术系数(单位产出所需投入)和乘数,评估每个单位的最终需求如何驱动整个价值链中的直接和间接环境负担。

4

将时期之间环境总影响的变化分解为加性因子:强度效应(技术)、需求效应(消费)、结构效应(产业构成),如果经济开放则包括贸易效应;使用指数分解(拉斯佩雷斯指数、帕舍指数)或因子分离方法。

5

识别哪些因素驱动了环境变化(例如,效率提升是否抵消了消费增长?),将责任归因于最终需求类别(家庭、政府、投资),并讨论政策杠杆点。

常见陷阱

  • 分解路径依赖性:不同的分解顺序或指数公式(拉斯佩雷斯指数与帕舍指数)会产生不同的因子贡献;始终报告敏感性或使用平均分解
  • 范围错位:混合国内产品和进口产品,或在没有明确界限的情况下使用基于生产的核算与基于消费的核算,会扭曲结果
  • 归因中的循环推理:将最终需求影响归因于家庭或政府需要价值假设(谁对出口生产负责?)这在不同国家有所不同

常见问题

为什么分解结果取决于我应用变化的顺序(拉斯佩雷斯指数与帕舍指数)?

这是一个称为路径依赖的数学特性。不同的排序对基年值和末年值的权重不同。最佳实践是同时报告两者,或使用平均值(拉斯佩雷斯指数和帕舍指数的平均值)。现代工具通常默认使用极分解来最小化这个问题。

IO-SDA能否处理投入产出表较少的小型经济体?

可以,但有一些注意事项。如果表格不频繁(例如每5年一次),则谨慎插值。如果部门细节程度较低,结果的粒度会较粗。考虑使用区域或行业特定的代理数据(例如能源数据)进行补充。在报告中承认不确定性。

当行业同时增长和萎缩时,我如何解释结构效应?

结构效应衡量的是构成上的净变化。如果重工业收缩而服务业扩张,结构效应为负(影响较低的转变)。但它是一个净衡量指标;在服务业内部,某些部门可能在增长,而另一些则在下降。始终进行分解以解释方向。

IO-SDA是否考虑进口和离岸外包?

基本的IO-SDA是基于国内生产的。多区域投入产出模型(MRIO)和基于消费的变体明确追踪进口、出口和贸易中的隐含影响。如果您怀疑贸易是驱动变化的原因,请使用MRIO或补充贸易流量分析。

相关方法

参考文献

  1. Leontief, W. W. (1951). The Structure of the American Economy. Oxford University Press.

    打开出版物文献
    已复制。
  2. Rose, A., & Chen, C. Y. (1991). Sources of change in energy use in the U.S. economy, 1972–1982: A structural decomposition analysis. Resources and Energy, 13(1), 1-21.

    打开 DOI 文献
    已复制。
  3. Dietzenbacher, E., & Los, B. (2000). Structural decomposition techniques: Sense and sensitivity. Economic Systems Research, 12(1), 41-58.

    打开出版物文献
    已复制。