基于环境扩展社会核算矩阵的喀麦隆社会经济与环境目标协同实现路径研究

本研究针对喀麦隆在实现可持续发展目标过程中面临的社会经济与环境协同治理难题，创新性地构建了环境扩展社会核算矩阵（Environmentally Extended Social Accounting Matrix, EESAM），提出"碳就业强度"（Employment Intensity of Carbon, EIC）指标。通过乘数分析和假设提取法（Hypothetical Extraction Method, HEM），量化了各产业部门在就业创造与CO2当量排放间的权衡关系，为制定兼顾减排目标与就业保障的政策提供了实证依据，特别揭示了农业部门在北部贫困地区的关键作用。

　　

在全球应对气候变化的背景下，发展中国家面临着经济增长、就业保障与减排目标的多重挑战。喀麦隆作为中非经济与货币共同体成员国，既是该地区最大的CO₂排放国，又存在显著的地区发展不平衡问题。其北部区域贫困率高达74.3%，全国88.6%的就业集中在非正规部门，农业吸纳了50%的劳动力。这种特殊国情使得喀麦隆在实施《国家自主贡献》（NDC）承诺的2030年无条件减排12%目标时，亟需解决"减排政策可能加剧就业不平等"这一核心矛盾。

为破解这一难题，由国际研究人员组成的团队在《Environmental Impact Assessment Review》发表了创新性研究成果。研究团队构建了喀麦隆2016年环境扩展社会核算矩阵（EESAM），该数据库首次实现了劳动力账户按地区（10个区域+2个主要城市）、技能水平（熟练/半熟练/非熟练）、就业形式（正规/非正规）和城乡二元结构的四维分解，同时整合了温室气体排放账户（涵盖CO₂、CH₄、N₂O和F-gases）。基于这一独特数据库，研究提出了"碳就业强度"（EIC）这一创新指标，其核心公式为就业乘数与排放乘数之比（EIC=m_(e)j/m_(g)j），可量化每减少1吨CO₂当量排放对应的就业变化量。

关键技术方法包括：1）基于供给使用表和国家账户数据构建EESAM框架；2）采用GTAP数据库和FAOSTAT建立温室气体排放账户；3）应用乘数分析计算45个部门的就业和排放关联效应；4）创新改进假设提取法（HEM）处理商品-产业混合结构；5）设计三种政策情景模拟NDC目标下的经济影响。

研究结果揭示：

1. 乘数效应分析：农业部门展现出最高就业乘数（4.51）但伴随较高排放（2.78吨CO₂eq/百万FCFA），而畜牧业虽排放强度最大但就业乘数仅0.18。极端北部地区农业就业占比达57%，且95%为非正规就业。

2. EIC指标验证：农业部门EIC值达1.94（HEM修正后），意味着每减排1吨CO₂当量将损失1.94个工作岗位，远高于畜牧业的0.10。粮食加工业（如C08谷物加工）EIC值为1.11，显示其"高就业-中排放"特性。

3. 区域异质性：北部农业区减排的就业代价显著高于城市地区。极端北部地区农业EIC值较全国均值高20%，该区域20.95%的就业将受农业减排冲击。

4. 情景模拟：在NDC无条件情景下，单纯农业减排（情景1）将导致GDP下降2.82%，就业损失5.89%；而农业-畜牧业组合减排（情景3）可将影响控制在GDP降0.77%、就业降1.11%，且能保护68.4%的初级产业就业。

这项研究的突破性在于首次量化了喀麦隆不同产业减排的"社会成本"，为平衡SDGs目标提供了决策工具。其政策启示主要体现在三方面：首先，验证了"一刀切"减排策略在发展中国家可能引发的社会风险，特别是对北部贫困地区的冲击；其次，提出了"产业-区域"差异化减排路径，如通过优化畜牧业生产结构可实现"低社会成本"减排；最后，建立的EESAM框架为其他发展中国家应对气候-贫困关联挑战提供了可复制的方法论。该研究将环境经济核算从传统的国家尺度推进到区域-产业细分层面，为实施"公正转型"政策奠定了科学基础。