A country-sector dataset of environmental intensity and geographic variability across industrial activities

技術要約：環境強度と地理的変動に関する国・セクター別データセット

問題提起
EXIOBASEなどの既存の環境拡張多地域間産業連関（EEMRIO）データベースは、環境影響を定量化するための重要なツールであるが、著しい不均一性に悩まされている。環境指標は通常、異なる単位やスケールで報告されるため、指標間、セクター間、および国間の比較が困難である。さらに、これらのデータベースには、環境負荷が固有のセクター特性に起因するのか、あるいは地理的文脈（技術、規制、資源の質など）に起因するのかを探求するためのデータが含まれているものの、そのような体系的な分析を容易にするための調和された指標が欠けている。その結果、産業システム全体における環境負荷の大きさと地理的依存性を理解する上で、ギャップが生じている。

手法
本研究は、EXIOBASE 3.8.1データベースから派生した、44カ国と5つのその他地域（RoW）にわたる6,781の経済セクターをカバーする、調和されたデータセットを構築している。手法は主に以下の3つの段階で構成される。

1. 指標の選択と変換：

   • 気候変動、大気汚染、酸性化、富栄養化、生態毒性、ヒト毒性、光化学オゾン生成、および水利用を網羅するために、13の環境指標を選択した。これらは、利用可能性、概念的な識別性、および中間影響カテゴリーの代表性の観点から選定された。
   • 単位の不均一性と歪んだ分布に対処するため、すべての指標値を全国・全セクターの観測値におけるパーセンタイル順位へと変換した。このアプローチは、外れ値や極端な値の影響を最小限に抑えつつ、相対的な順序を保持する。構造的なゼロ（非該当の組み合わせ）は、非該当性を低い環境負荷と混同することを防ぐために、正規化の前に除外された。

2. 環境強度の次元の算出：

   • 直接的環境強度 ($D_i$)： セクター自身の操業内で生成される指標のパーセンタイル順位の算術平均として算出。
   • サプライチェーン環境強度 ($P_i$)： 技術係数行列 ($A$) と直接環境係数 ($e$) にレオンチェフ逆行列 ($L = (I - A)^{-1}$) を適用して推定。これは、上流の生産ネットワークに組み込まれた圧力を捉えるものである。得られた値も同様にパーセンタイル順位に変換され、平均化された。
   • システム的環境強度 ($S_i$)： 直接スコアとサプライチェーン・スコアの幾何平均を用いて、単一の指標へと統合 ($S_i = \sqrt{D_i \times P_i}$)。この手法は、操業とサプライチェーンの両方の観点から環境的に重要な活動を強調し、一方の次元においてのみ高いスコアを示す観測値の重みを軽減するために選択された。

3. 地理的変動の定量化：

   • 地理的変動は、各特定のセクターにおけるシステム的環境強度のスコアの標準偏差として定義された。この指標は、同一の活動が異なる国家の文脈下にある場合の環境パフォーマンスの分散を評価するものである。

4. データのフィルタリングと検証：

   • 選択された指標のうち有効なデータが50%未満の観測値は除外された。ロバスト性チェックにより、この閾値を75%に引き上げても同一の結果が得られることが確認され、高いデータカバレッジが示された。
   • 技術的検証には、代替的な集計方法（例：算術平均 vs 幾何平均、平均 vs 中央値のパーセンタイル）や指標のカバレッジ閾値に対するランキングの安定性をテストするために、スピアマンの順位相関係数分析を用いた。

主な結果

• データセットの構成： 最終的なデータセットは、直接、サプライチェーン、およびシステム的環境強度の調和されたスコア、ならびに地理的変動指標を含む、6,781の国・セクター観測値で構成されている。
• セクター別のパターン：
  • 製造業および建設業： これらのセクターは、中程度の直接強度を示すが、サプライチェーン強度が著しく高く、その環境負荷が上流ネットワークによって強く駆動されていることを示している。
  • 一次産業（農業、林業、鉱業、公益事業）： これらのセクターは逆のパターンを示し、高い直接強度と低いサプライチェーン強度を示しており、その影響が操業境界に固有であることを示唆している。
  • サービス業： サービスセクターは一般に、最も低いシステム的環境強度スコアを示す。
• 地理的変動：
  • 二元配置分散分析（ANOVA）により、セクター効果は国効果よりも大きな分散の説明割合 ($\eta^2 = 0.414$) を持つことが明らかになった。これは、環境強度が地理的文脈よりも、生産活動の性質に強く関連していることを示唆している。
  • しかし、特定のセクター、特に鉱業、採掘、リサイクル、発電、および農業においては、顕著な地理的変動が存在する。これらのセクターは、高い環境強度と高い国間分散を特徴としており、サステナビリティのアップグレードや技術移転の主要な候補となる。
• ロバスト性： 幾何平均と算術平均（スピアマンの $\rho = 0.974$）、および平均と中央値のパーセンタイル・スコア（$\rho > 0.98$）の間で非常に強い一致が見られた。直接スコアとサプライチェーン・スコアの相関は正ではあるが弱い ($\rho = 0.337$) ことから、両方の次元を個別に測定する必要性が検証された。

意義と主張
本論文は、このデータセットが、ユーザーが生のEEMRIOデータを処理したり複雑な産業連関計算を行ったりする必要のない、多次元的な環境パフォーマンスのベンチマーキングのための透明かつ再現可能な枠組みを提供すると主張している。その主な意義は以下の通りである：

1. 調和： 多様な指標を共通の順序尺度に変換することにより、異質な環境次元、国、およびセクター間の比較を可能にする。
2. 差別化： 直接的な操業圧力と、しばしば異なるパターンに従う上流のサプライチェーン圧力を区別する。
3. 政策的有用性： 環境パフォーマンスが地理的条件に高い感受性を持つセクターと、それが生産プロセスに固有であるセクターを特定する。この区別は、ターゲットを絞った産業政策、技術移転分析、および持続可能なサプライチェーン管理を支援する。
4. 相対的ベンチマーキング： 著者らは、これらのスコアが絶対的な物理的負荷ではなく、相対的な環境強度を表していることを明示している。したがって、このデータセットは、絶対的な物理的影響の定量化ではなく、ランキング、比較評価、および探索的分析に最も適している。

本研究は、研究者や政策立案者が、環境強度がセクター特性によって駆動されているのか、それとも地理的文脈によって駆動されているのかを評価することを可能にする、サステナビリティ戦略のための基礎的なリソースとして提示されている。