作为负责任的主要发展中国家，中国承诺在2030年前实现碳峰值，在2060年前实现碳中和。“十四五”规划（2021-2025年）进一步提出了将碳强度降低18%的目标。然而，与发达国家相比，中国在实现这些目标方面面临许多挑战，包括庞大的碳减排基数、较低的人均GDP以及能源结构转型的困难（Yu等人，2023年；Ren等人，2023年；Tian和Pang，2024年）。此外，各省在发展阶段、能源结构、产业结构和环境标准方面的差异导致了中国省际贸易中二氧化碳排放与附加值转移之间的不匹配，从而产生了碳不公平（Wang等人，2023年；Zhang等人，2023年；Zhu等人，2022年）。欠发达省份承担了大部分二氧化碳排放转移，但获得的经济利益较少（Wei等人，2020年；Zhang等人，2023年）。
碳不公平具有重大影响，可能会削弱欠发达省份的社会福祉和绿色能源转型（Lei等人，2023年；Shi等人，2024年；Wu等人，2024年）。从环境正义的角度来看，欠发达省份不得不承担与其自身消费无关的排放、环境成本和健康风险，却未能获得相应的经济利益，这违反了公平原则。福利经济学表明，这种扭曲的分配降低了排放流入省份的净福利，因为环境和健康损失远远超过了贸易收益，使它们陷入“高碳锁定”状态，阻碍了国家福利的最大化。政治经济学的观点警告说，长期的不平衡可能会加剧地区冲突，削弱对转型的共识，并阻碍国家碳峰值和碳中和目标的实现。关于碳不公平的更详细讨论见（补充信息中的文本S1）。因此，减少碳不公平不仅是环境正义的核心要求，也是实现协调发展和提高转型效率与可持续性的关键途径。
在这一背景下，中国省际贸易中的碳不公平问题在现有文献中受到了越来越多的关注。Wei等人（2020年）使用区域环境不平等指数和环境扩展的多区域投入产出（EMRIO）模型来衡量中国各省贸易中与电力相关的二氧化碳排放与附加值转移之间的不平衡，并发现西部省份存在碳不公平现象。Zhu等人（2022年）利用网络分析和EMRIO模型研究了省际贸易引起的碳不公平演变。Wang等人（2023年）应用EMRIO模型评估了与土地利用相关的省际贸易中的碳不公平，表明欠发达地区处于不利地位。Zhang等人（2023年）验证了2017年经济欠发达地区仅占附加值的20%，但却承担了42.6%的二氧化碳排放。Zhu等人（2024年）使用基尼系数衡量了中国的碳不公平，并通过Shapley分解确定了其来源。Yao等人（2025年）研究了省级道路货运中的碳不公平及其对供应链韧性的影响。基于283个中国城市的数据，Zhao等人（2023年）验证了金融包容性可以缓解城市内部和城市之间的碳不平等。Yang等人（2025年）应用结构方程模型来衡量中国城市中碳不公平的演变模式。Guo等人（2025年）开发了一个多尺度模型来评估中国的土地利用碳不平等。一些学者还探讨了人工智能对可持续发展和公平的影响（Wang等人，2026年；Wang等人，2025b）。
EMRIO模型已被广泛用于计算省际二氧化碳排放和附加值（Mi等人，2020年；Han等人，2020年；Liao等人，2023年；Chen和Zhang，2025年）。然而，一个关键的研究问题在于建立适当的方法论来描述衡量碳不公平的两个变量之间的关系。现有研究提出了三种主要的指数来评估不公平。首先是总嵌入强度（AEI）指数，它计算了每单位附加值的嵌入污染物排放量（Duan和Yan，2019年；Su和Ang，2017年；Zhou等人，2020年）。其次是贸易污染条款（PTT）指数，它量化了贸易引起的相对环境成本（Duan和Jiang，2017年；Wang等人，2020年；Zhang等人，2023年）。第三是区域环境不平等（REI）指数，它标准化了结果，减少了范围波动，从而提高了与AEI和PTT指数相比的结果可比性（Zhang等人，2018年；Wei等人，2020年）。然而，REI指数只考虑了两种情况，即净嵌入碳流出和净经济流入，并采用了基于绝对值的标准化方法，这可能无法完全捕捉许多关键结果，掩盖了关键发现。
基于REI指数，Wang等人（2022c）建立了最优REI指数来研究中国在全球贸易中的整体碳不公平。最优REI指数纳入了净嵌入碳流入下的两种额外经济流动情景。其标准化过程避免了使用绝对值，这在保持结果稳定值范围的同时区分了结果，从而能够更详细地评估贸易驱动的碳不公平。但该论文的局限性在于它仅关注一个国家/地区的总体效应，而不是双边贸易动态。
对数平均迪维西亚指数（LMDI）因其完全的分解能力、无残差和可加性结果而在碳排放分析中得到广泛应用。它准确地量化了经济规模、产业结构和能源效率等因素的影响。结合生产理论分解方法（PDA）、数据包络分析（DEA）或Tapio脱钩模型，它可以提供分析碳排放主要驱动因素和设计有针对性的低碳策略的关键见解。Liu和Feng（2020年）
应用LMDI和脱钩模型分析了中国运输行业中八个因素对碳排放的影响及其与经济增长的关系。Yang等人（2020年）使用LMDI研究了中国能源相关碳排放的驱动因素。在一项涵盖78个地区的全球研究中，Yang等人（2021年）结合LMDI和PDA及Tapio脱钩模型来识别影响碳排放与经济增长脱钩的关键因素。Sun等人（2024年）使用LMDI和Tapio方法研究了中国的碳排放与经济发展之间的关系。
先前的研究提供了有价值的见解，但仍存在一些局限性。首先，一些研究通过合并省份来考察区域层面的碳不公平（Zhang等人，2023年），这可能会忽略省份之间的差异。其次，尽管某些学者探讨了省际贸易中的碳不公平（Zhu等人，2022年；Wang等人，2023年），但他们的工作往往缺乏对关键行业的系统比较或对潜在驱动因素的讨论。其他研究仅关注个别行业（Wei等人，2020年；Yang等人，2024年），限制了对行业贡献的全面理解。第三，大多数先前的研究使用AEI或PTT指数来衡量碳不公平，这限制了结果的可比性。REI指数没有涵盖所有情景，可能会忽略重要信息。尽管最优REI考虑了更多情景，但它主要用于评估贸易对一个地区的总体影响，忽略了双边贸易的动态效应。由于这些研究空白，中国省际贸易中碳不公平的潜在机制和行业驱动因素尚未得到充分探索，阻碍了有针对性的碳减排策略的发展。
本研究旨在全面评估中国省际贸易中的碳不公平，并探讨关键行业及其潜在机制的作用。首先，借鉴最优REI指数的优势，本研究开发了碳不公平（TCE）指数，以捕捉2012年至2017年中国省际贸易中的总体和双边碳不公平，并首次根据TCE指数将中国省份分为四类：主要受益者、次级受益者、次级受害者以及主要受害者。其次，本研究探讨了这四类行业之间的二氧化碳排放和附加值转移情况。研究发现，电力和热力发电、其他制造业和服务行业是碳不公平的主要驱动因素，其根本原因是这些行业的碳强度存在差异。第三，本文通过分解分析进一步研究了双边碳不公平的主要机制。
因此，与以往的研究相比，本文创新性地开发了TCE指数，克服了以往方法的局限性，能够捕捉总体和双边碳不公平。基于TCE指数，该研究首先将中国省份分为四类，这种分类有助于识别碳不公平的主要驱动因素。此外，TCE指数纳入了更全面的测量情景，其标准化的计算确保了结果清晰且具有可比性。然后，该分析系统地识别了驱动碳不公平的关键行业及其潜在机制。通过分析四种省份类型之间的嵌入碳排放和附加值转移，确定了三个主要驱动行业。根本原因在于它们基于生产的碳强度存在差异，进一步的分解分析阐明了这种差异的机制。这些发现可以帮助政策制定者制定精确的策略来缓解碳不公平，支持中国的碳中和目标，并为其他发展中国家提供有价值的参考。
