貿易キャッチアップから低炭素高度化へ：中国における省級レジーム動態とFTZ効果
From Trade Catch-Up to Low-Carbon Upgrading: Provincial Regime Dynamics and FTZ Effects in China (原題)
Xueping Hu, Xiaodong Liu
🤖 gxceed AI 要約
日本語
中国31省の2000〜2022年パネルデータを用い、貿易と低炭素発展の協調度を指数化し、その潜在レジームを識別した。協調度は0.560から0.736へ上昇し、主に貿易サブシステムの追い上げによる。機械学習とSHAPでレジーム転換を予測し、二重機械学習で自由貿易区（FTZ）の効果を推定した結果、FTZは貿易と協調を改善するが短期的な低炭素効果は有意でなかった。
English
Using panel data for 31 Chinese provinces (2000–2022), this study builds trade and low-carbon indices, identifies four latent regimes with 94.3% annual persistence, and applies ML with SHAP plus double ML to estimate FTZ effects. Coordination rose from 0.560 to 0.736, driven by trade catch-up. FTZ exposure improved trade and coordination but had no significant short-run low-carbon effect, implying trade facilitation must be paired with clean-energy and regulatory policy.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
中国のFTZ政策と省級低炭素移行の実証は、日本のSSBJ・有報開示やサプライチェーン脱炭素を考える上で、貿易政策と環境規制の統合設計の参考になる。特に機械学習による政策効果推定手法は、日本の地域別GX政策評価にも応用可能。
In the global GX context
This paper contributes to global debates on aligning trade liberalization with climate goals, relevant to CBAM, supply-chain disclosure, and transition finance. Its ML-based regime prediction and double ML causal design offer a methodological template for evaluating policy mixes beyond China.
👥 読者別の含意
🔬研究者:機械学習と因果推論を組み合わせた政策評価手法と、貿易・低炭素協調のレジーム分析枠組みを提供する。
🏢実務担当者:中国FTZ進出企業は、貿易円滑化が短期的な脱炭素効果を伴わない点を踏まえ、サプライチェーン脱炭素を別途設計する必要がある。
🏛政策担当者:貿易促進策と環境規制・クリーンエネルギー政策を統合しない限り、低炭素移行は進まないことを示唆する。
📄 Abstract（原文）
Amid accelerating globalization, climate change, and the transition toward sustainable development, reconciling international trade expansion with low-carbon transformation has become a central challenge for regional economies. This study examines the coordinated evolution of provincial trade and low-carbon development in China and identifies the conditions and policy factors associated with regime upgrading. Using panel data for 31 Chinese provinces from 2000 to 2022, we construct trade and low-carbon development indices and identify their coordination patterns and latent regimes. Machine learning with SHAP is then used to predict regime upgrading, while double machine learning estimates the effects of free trade zone exposure. The coordination degree increased from 0.560 to 0.736, mainly because the initially lagging trade subsystem caught up with low-carbon development. Four regimes were identified, with 94.3% annual persistence, indicating strong path dependence. FTZ exposure significantly improved trade development and coordination but produced no significant short-run low-carbon effect. Policies should integrate trade facilitation with industrial upgrading, clean-energy transition, and stronger environmental regulation.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.3390/su18199737first seen 2026-09-25 04:41:09
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。