GVC埋め込みモードとB&R諸国の運輸部門炭素排出効率の関係：内部駆動要因と空間効果の分析

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel analytical framework integrating internal and spatial dimensions of the GVC-carbon efficiency nexus.

🏢実務担当者:Helps corporate sustainability teams assess carbon implications of different GVC modes and prioritize technology over scale.

🏛政策担当者:Offers evidence for designing trade and industrial policies that promote low-carbon technology transfer in B&R countries.

本研究は、脱グローバル化下におけるGVC変動の新たなトレンドを背景に、改善されたグローバル・バリューチェーン（GVC）埋め込みモード指標システムの構築を目的とする。内部駆動要因と空間的波及効果に基づいてGVC埋め込みモードと炭素排出効率（CEE）の関係を明らかにし、「一带一路（B&R）」諸国における運輸部門のCEE向上のための新たな経路を探求することを目指す。 2007年から2022年までのB&R諸国の運輸産業データに基づいて計量経済分析を実施した。 GVC前方、上流、下流の埋め込みモードはCEEと正の関係にあり、内部駆動要因は技術効果である。GVC後方埋め込みモードはCEEと負の関係にあり、内部駆動要因は規模効果である。これらの関係は国、時期、産業によって異なる。GVC埋め込みの空間的波及効果は上流埋め込みモードに集中していた。しかし、COVID-19パンデミックに代表される緊急事態の後、空間的波及効果は消失した。 (1) 改善されたGVC埋め込みモード指標システムが提案され、GVC埋め込みモードの定量化理論が拡張された。(2) 特定の産業、地域、期間に限定されないSTIRPAT-内部駆動要因検定モデルが構築され、影響効果分析から内部駆動要因の特定への移行が達成された。(3) 空間的波及効果の視点が導入され、GVC埋め込みモードとCEEの関係の研究が空間レベルに拡張された。 グラフィカルアブストラクト 研究目的、枠組み、革新性を示す概念図であり、矢印とラベル付きの効果で結ばれている。3つのセクションからなる概念図は縦に配置され、「研究目的」、「研究枠組み」、「革新性」という見出しがそれぞれ矩形の境界内に囲まれている。最上部の「研究目的」の下には、「GVC埋め込みモードの観点からB&R諸国の運輸部門のCEE向上のための新たなアプローチを探求する」という単一のテキストブロックがある。「研究枠組み」とラベル付けされた中央のセクションでは、破線の矩形境界がフロー構造を囲んでいる。左側には「GVC埋め込みモード」というテキストがあり、「内部駆動要因の分析」と「空間効果の分析」の2項目に接続されている。これらから矢印が右方向に延びている。「技術効果（プラス）」とラベル付けされた赤い矢印が右方向を指している。その下には「規模効果（マイナス）」とラベル付けされた青い矢印も右方向を指している。「予期せぬ事象の影響」とラベル付けされた黒い矢印が水平に右方向を指している。すべての矢印は右側の「運輸CEE」というラベルに向かって収束している。3本の縦の影付き下向き矢印が水平矢印の背後に現れている。最下部の「革新性」セクションには3つの項目が水平に配置されている。1つ目は「改善されたGVC埋め込みモード指標システムの提案」、2つ目は「STIRPAT-内部駆動要因検定モデルの構築」、3つ目は「空間的波及効果の視点の導入」とある。各項目の前には小さな円形マーカーがあり、枠組みセクションの下に整列している。影付きの下向き矢印が「GVC埋め込みモード」から革新性の最初のセクションに延びている。次の影付き下向き矢印は研究枠組みの水平矢印の始点から革新性の2番目のセクションに延びている。もう1つの影付き下向き矢印は研究枠組みの下部の水平矢印の終点から革新性の3番目のセクションに延びている。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

This study aims to construct an improved global value chain (GVC) embedding mode indicator system in the context of new trends in GVC changes under deglobalization. It seeks to reveal the relationship between GVC embedding modes and carbon emission efficiency (CEE) based on internal driving factors and spatial spillover effects, and explore new pathways for enhancing the CEE of the transportation sector in Belt and Road (B&R) countries. An econometric analysis was conducted based on the transportation industry data of B&R countries from 2007 to 2022. GVC forward, upstream and downstream embedding modes have a positive relationship with the CEE, with the internal driving factor being the technology effect. GVC backward embedding mode has a negative relationship with the CEE, with the internal driving factor being the scale effect. These relationships vary across countries, time, and industries. The spatial spillover effects of GVC embedding were concentrated in the upstream embedding mode. However, after emergencies, represented by the COVID-19 pandemic, the spatial spillover effect disappeared. (1) An improved GVC embedding mode indicator system is proposed, expanding the quantification theory of GVC embedding modes. (2) A STIRPAT-internal driving factor testing model is constructed that is not limited to specific industries, regions or time periods, achieving a transition from impact effect analysis to the identification of internal driving factors. (3) A spatial spillover perspective is introduced, extending the study of the relationship between GVC embedding modes and the CEE to the spatial level. Graphical abstract A conceptual diagram showing research aim, framework, and innovation linked with arrows and labeled effects. The three-section conceptual diagram is arranged vertically with headings “Research aim”, “Research framework”, and “Innovation”, each enclosed within rectangular boundaries. At the top, under “Research aim”, a single text block reads: “Explore new approaches to improve the C E E of the transportation sector in B and R countries from the perspective of GVC embedding modes”. In the middle section labeled “Research framework”, a dashed rectangular boundary encloses a flow structure. On the left, a text reads, “G V C embedding mode” and connects to two items: “Analysis of Internal Driving Factors” and “Analysis of Spatial Effects”. From these, arrows extend toward the right. A red arrow labeled “Technical effect (plus)” points toward the right. Below it, a blue arrow labeled “Scale effect (minus)” also points toward the right. A black arrow labeled “Impact of unexpected events” points horizontally toward the right. All arrows converge toward a label on the right reading “Transport C E E”. Three vertical shaded downward arrows appear behind the horizontal arrows. At the bottom, the “Innovation” section contains three items arranged horizontally. The first reads, “Propose an improved G V C embedding mode indicator system”. The second reads, “Construct the S T I R P A T-internal driving factor testing model”. The third reads “Introduce a spatial spillover perspective”. Each item is preceded by a small circular marker and aligned beneath the framework section. A shaded downward arrow extends from “G V C embedding mode” to the first section in innovation. The next shaded downward arrow extends from the start of the horizontal arrows in the research framework to the second section in innovation. Another shaded downward arrow extends from the end of the bottom horizontal arrow in the research framework to the third section in innovation.

• semanticscholar https://doi.org/10.1108/ijoem-10-2023-1706first seen 2026-06-29 09:13:31 · last seen 2026-09-22 05:17:03