“双碳”目标下中国省域碳排放公平性及其影响因素

基于1999—2017年省级碳收支核算数据,构建空间计量模型检验影响碳排放公平性的关键因素。结果表明：(1)省域碳排放公平性的区域差异性显著,整体表现为西部地区>中部地区>东部地区;(2)中国省域碳排放公平性存在显著的空间溢出效应,从全国层面看,产业结构、经济发展水平、环境规制对碳排放公平性具有负向空间溢出效应,技术创新则对其具有正向空间溢出效应;从区域层面看,产业结构、城镇化进程、技术创新与对外开放水平对东部地区各省（市）碳排放公平性的空间溢出效应最明显,中部地区各省域的经济发展水平与技术创新对周边地区碳排放公平性有较为显著的正向空间溢出效应,经济发展水平、对外开放程度与环境规制是制约西部地区各省（区、市）碳排放公平性提升及溢出的主要因素。     

“双碳”目标下中国省域碳排放公平性及其影响因素

基于1999—2017年省级碳收支核算数据,构建空间计量模型检验影响碳排放公平性的关键因素。结果表明：(1)省域碳排放公平性的区域差异性显著,整体表现为西部地区>中部地区>东部地区;(2)中国省域碳排放公平性存在显著的空间溢出效应,从全国层面看,产业结构、经济发展水平、环境规制对碳排放公平性具有负向空间溢出效应,技术创新则对其具有正向空间溢出效应;从区域层面看,产业结构、城镇化进程、技术创新与对外开放水平对东部地区各省（市）碳排放公平性的空间溢出效应最明显,中部地区各省域的经济发展水平与技术创新对周边地区碳排放公平性有较为显著的正向空间溢出效应,经济发展水平、对外开放程度与环境规制是制约西部地区各省（区、市）碳排放公平性提升及溢出的主要因素。     

中国房地产业发展水平的区域差异分解

中国房地产业发展迅速,房地产业的产值规模、产业人口规模、开发企业数量、利润总额、净资产等都在大幅增长,并且彼此之间存在显著的相关性。对省域尺度的中国房地产业综合发展水平的测度结果表明,区域差异十分突出,东部极化效应依然明显,东、中、西部的梯度优势依次递减。最后依据不同年份的省域面板数据,进行了差分GMM和系统GMM回归分析,解释了房地产业综合发展水平的主要影响因子的作用性质。     

中国能源消费碳排放的时空差异及驱动因素研究

随着气候变化日益加剧,碳排放及其影响越来越受到人们的关注。针对我国30个省区2000-2015年终端能源消费产生的碳排放进行核算,分析中国能源消费碳排放的区域特征和时空差异,并通过STIRPAT模型和面板数据模型相结合的方法从碳排放量和碳排放强度两个视角对碳排放的驱动因素进行分析。研究发现,从全国层面来看,人口规模、人均GDP、能源强度以及城市化水平对碳排放量产生正向的驱动作用,即每提升1%,碳排放量将分别增加1.046 9%、0.938 6%、0.722 6%、0.411 6%,而产业结构对碳排放具有负向的驱动效应。对于碳排放强度而言,人均GDP和产业结构均产生负向的抑制作用。从区域层面来看,通过经济水平分组,东、中、西部三大区域由于经济发展水平的差异,各个因素对碳排放的影响也有所不同并表现出一定的规律性;城市化水平分组表现出随着城市化水平的提高,碳排放量也随之降低。通过研究,可为我国合理制定CO₂减排的区域差异化政策提供参考依据。     

人力资本空间效应与区域经济增长

基于资本外溢性和省域技术水平间存在空间依赖性的假设,在Mankiw、Romer和Weil模型(简称MRW模型)中引入了变量的空间滞后项,构建了空间MRW模型,运用中国全域及东部、西部面板数据进行固定效应的空间面板估计,证实了模型假设的正确性,得到以下主要结论:第一,在中国全域及东、西部区域中,人力资本及其空间外溢效应对经济增长的贡献均不显著;第二,东部地区人力资本及其空间外溢效应对区域经济增长的贡献值均约为西部地区的两倍。     

中国典型省(区)能源消费碳排放比较降解分析——以江苏、河南、内蒙古为例（英文）

准确查清典型省份能源消费碳排放的实际情况及其碳排放增长的主要驱动因素,是实现我国碳减排目标的关键。本文采用扩展的LMDI模型对来自中国东、中和西部地区三个典型省(区)——江苏、河南和内蒙古的碳排放增长进行了比较分解。结果表明:(1)1996–2017年,3个省(区)的能源消费碳排放变化呈上升趋势,但各省(区)之间存在明显差异。(2)各驱动因素对碳排放的影响在不同省份和不同经济发展期明显不同。经济增长对各省碳排放变化的正向贡献最大(1996–2017年,河南、江苏、内蒙古三省(区)经济发展对碳排放增长的贡献分别为307.19%、205.08%和161.26%);其次是城镇化和人口规模,但对碳排放增长的贡献远小于经济增长。(3)除"十五"规划期外,能源强度在促进3省(区)碳减排方面发挥了主导作用,其次是能源结构。在所有抑制碳排放增长的因素中,农村人口比例的贡献最小。此外,城乡居民人均能源消费对碳排放的影响在不同省份(区)和不同经济发展阶段均表现出相对较小的影响和两面性,但在推动省域碳排放的变化方面开始起着越来越重要的作用(如1996–2017年,江苏省的居民能源消费对碳排放增长的贡献率超过7.9%,其中城镇居民人均能源消费的贡献率大于3.8%)。鉴于此,建议政策制定者应根据东、中、西部地区的碳排放省情和影响碳排放的关键因素,制定有针对性的减排措施。     

环境规制对我国旅游业碳排放的门槛效应及区域差异

为厘清环境规制对旅游业碳排放的影响效应,选取2001—2019年中国内地除西藏以外的30个省份的面板数据,设定环境规制为解释变量,分为费用型和投资型两种,设定旅游业碳排放为被解释变量,选取城市化和技术水平为阈值变量,构建面板数据模型,研讨两种类型的环境规制对旅游业碳排放的阈值作用及其在东、中、西各地域的差异性。结果表明:在全国及西部范围内,以城市化水平作为门槛变量时,费用型环境规制对旅游业碳排放存在单个阈值,而投资型环境规制对旅游业碳排放存在双重门槛效应,以技术水平作为阈值变量时,两种类型的环境规制对旅游业碳排放存在双重阈值效应;在东、中部地区,两种类型的环境规制在技术水平作用下对旅游业碳排放起抑制作用。     

中国旅游业碳生产率区域差异及影响因素分析

采用"自下而上"法测算1995-2014年中国及其东、中、西部地区旅游业碳生产率,运用泰尔指数衡量旅游业碳生产率区域差异,并建立面板数据模型实证研究其影响因素。结果表明:1995-2014年,中国及其三大地带旅游业碳生产率均呈增长趋势,其中西部地区增长最快;旅游业碳生产率存在区域差异,且以东部地区整体水平为最高;区域内差异是造成区域差异存在的主要原因,而区域内差异主要源自东部地区内部差异;城市化水平、旅游业发展水平、旅游部门碳排放结构以及游客规模等4个变量均影响旅游业碳生产率变动,且影响程度间具有明显区域差异。     

基于城镇化的中国县级城市碳排放空间分布特征及影响因素

论文选择中国1897个县级城市作为研究单元,基于CHRED-online碳排放公开数据库以及县、县级市社会经济统计数据,采用空间自相关分析和地理探测器方法,探究中国县级城市碳排放空间分布格局及人口、经济、土地多维度城镇化水平对碳排放的影响。结果表明：① 中国县级城市碳排放量非均衡性较高,碳排放总量高值地区数量少,但数值较大。② 碳排放总量空间分布主要呈现东高西低格局,高值地区主要集中于东部、中部大城市周边和内蒙古中部、北部地区,呈“簇状”分布结构。人均碳排放强度和经济碳排放强度则呈现北高南低格局,主要聚集于内蒙古中部、北部和新疆青海交界地区。③ 经济和土地城镇化水平的空间异质性对县级城市碳排放总量差异具有较强的解释力,人口城镇化对碳排放总量影响不明显。经济城镇化及土地城镇化各指标之间交互作用对碳排放影响最为剧烈,并呈现非线性增强作用。④ 在分地区差异性比较中,城镇化水平对西部欠发达地区影响作用最为剧烈。在同一指标的解释力和关键影响因素指标的选取方面,东、中、西部地区也存在明显的空间分异特征。应结合高碳排放区域和城镇化影响作用机制,进行差异化控碳路径选择。     

中国省域二氧化碳排放的时空格局及影响因素

通过测算全国30个省域2000—2015年的二氧化碳排放量，采用自然段点法，分别对2000年、2005年、2010年和2015年各省碳排放量进行分类，分析其空间分异化特征。采用空间自相关分析法揭示了相邻各省份碳排放量的空间关联性。在此基础上，运用对数均值迪氏分解法，从能源结构、能源强度、经济发展和人口规模等角度，对碳排放影响因素进行无残差分解。结果表明：1）时间上，我国碳排放总量整体呈上升趋势，在2014—2015年仅下降2%。除北京市外，其余各省份的碳排放量呈增长趋势；空间上，高值碳排放由环渤海及东部沿海省份逐步蔓延至中西部个别省份;2）各省域碳排放主要呈现高高集聚和低高集聚的特征，高高集聚稳定集中在辽宁、河北、山东、山西和江苏省，北京市和天津市与高碳排放的省份形成一个低高集聚区域;3）东、中部比西部省份更易受能源结构、能源强度、经济发展和人口规模等因素的影响。经济发展对碳排放是驱动作用，能源强度对碳排放是抑制作用，能源结构对各省份碳排放的影响有正向驱动和负向抑制作用，除贵州省外，其余省份人口规模对碳排放均是正向驱动作用。     

Temporospatial changes of carbon footprint based on energy consumption in China

Study on regional carbon emission is one of the hot topics under the background of global climate change and low-carbon economic development, and also help to establish different low-carbon strategies for different regions. On the basis of energy consumption and land use data of different regions in China from 1999 to 2008, this paper established carbon emission and carbon footprint models based on total energy consumption, and calculated the amount of carbon emissions and carbon footprint in different regions of China from 1999 to 2008. The author also analyzed carbon emission density and per unit area carbon footprint for each region. Finally, advices for decreasing carbon footprint were put forward. The main conclusions are as follows: (1) Carbon emissions from total energy consumption increased 129% from 1999 to 2008 in China, but its spatial distribution pattern among different regions just slightly changed, the sorting of carbon emission amount was: Eastern China > Northern China > Central and Southern China > Southwest China > Northwest China. (2) The sorting of carbon emission density was: Eastern China > Northeast China > Central and Southern China > Northern China > Southwest China > Northwest China from 1999 to 2003, but from 2004 Central and Southern China began to have higher carbon emission density than Northeast China, the order of other regions did not change. (3) Carbon footprint increased significantly since the rapid increasing of carbon emissions and less increasing area of productive land in different regions of China from 1999 to 2008. Northern China had the largest carbon footprint, and Northwest China, Eastern China, Northern China, Central and Southern China followed in turn, while Southwest China presented the lowest area of carbon footprint and the highest percentage of carbon absorption. (4) Mainly influenced by regional land area, Northern China presented the highest per unit area carbon footprint and followed by Eastern China, and Northeast China; Central and Southern China, and Northwest China had a similar medium per unit area carbon footprint; Southwest China always had the lowest per unit area carbon footprint. (5) China faced great ecological pressure brought by carbon emission. Some measures should be taken both from reducing carbon emission and increasing carbon absorption.     

中国不同区域能源消费碳足迹的时空变化(英文)

Study on regional carbon emission is one of the hot topics under the background of global climate change and low-carbon economic development, and also help to establish different low-carbon strategies for different regions. On the basis of energy consumption and land use data of different regions in China from 1999 to 2008, this paper established carbon emission and carbon footprint models based on total energy consumption, and calculated the amount of carbon emissions and carbon footprint in different regions of China from 1999 to 2008. The author also analyzed carbon emission density and per unit area carbon footprint for each region. Finally, advices for decreasing carbon footprint were put forward. The main conclusions are as follows: (1) Carbon emissions from total energy consumption increased 129% from 1999 to 2008 in China, but its spatial distribution pattern among different regions just slightly changed, the sorting of carbon emission amount was: Eastern China > Northern China > Central and Southern China > Southwest China > Northwest China. (2) The sorting of carbon emission density was: Eastern China > Northeast China > Central and Southern China > Northern China > Southwest China > Northwest China from 1999 to 2003, but from 2004 Central and Southern China began to have higher carbon emission density than Northeast China, the order of other regions did not change. (3) Carbon footprint increased significantly since the rapid increasing of carbon emissions and less increasing area of pro-ductive land in different regions of China from 1999 to 2008. Northern China had the largest carbon footprint, and Northwest China, Eastern China, Northern China, Central and Southern China followed in turn, while Southwest China presented the lowest area of carbon footprint and the highest percentage of carbon absorption. (4) Mainly influenced by regional land area, Northern China presented the highest per unit area carbon footprint and followed by Eastern China, and Northeast China; Central and Southern China, and Northwest China had a similar medium per unit area carbon footprint; Southwest China always had the lowest per unit area carbon footprint. (5) China faced great ecological pressure brought by carbon emission. Some measures should be taken both from reducing carbon emission and increasing carbon absorption.     

城镇化及房地产投资对中国碳排放的影响机制及效应研究

以城镇化及房地产投资对碳排放的影响机理为研究基础,首先基于变形Kaya恒等式和LMDI分解方法对1997~2015年中国30个省份的碳排放变化进行因素分解,重点考察了城镇化和房地产投资对碳排放的影响,并采用空间面板数据模型从直接影响和空间溢出效应两方面进行实证检验。研究结果表明：① 1997~2015年中国碳排放量一直保持增长趋势,房地产投资碳排放系数是最主要碳排放促减因素,城镇房地产投资强度、城镇化水平和地区总人口变化对碳排放具有促增作用,且效果逐年增大。② 各省碳排放量在空间上存在显著差异,总体上呈现东高西低的分布特征。碳排放量较少的省区空间集聚程度有所增强,地区间差异在不断缩小。③ 城镇化水平对碳排放的直接影响显著为负,但其空间溢出效应显著为正;城镇房地产投资强度对碳排放的直接影响影响具有促增效应,其空间溢出效应并不显著;两者的交互作用具的直接效应和空间溢出效应显著为负;经济发展水平对本地区碳排放的直接效应和空间溢出效应均显著为正;政府投资对碳排放的直接影响显著为负,但空间溢出效应并不显著;产业结构对本地区的碳排放没有显著的影响,但是其空间溢出效应显著为负;对外开放程度对本地区的碳排放具有显著的促减作用,但是对相邻地区的碳排放具有促增效应;随着城镇化水平和经济发展水平的提高,碳排放水平分别呈现出显著的U型和倒U型曲线关系。     

中国城市土地利用效率评价

城市土地利用效率状况直接影响城市的社会经济发展和人居环境建设。基于数据包络法对全国655 个城市土地投入产出效率和规模效率进行了分析,结果发现：① 目前中国城市土地投入产出效率普遍较低,呈现出东部地区高、中西部低的空间分布格局;存在规模等级递增效应,但小城市表现出明显的特殊性。② 影响中国城市土地投入产出效率较低的因素较多,其中,第二、三产业从业人员投入过多尤为突出,固定资产投资和建设用地也存在一定冗余,环境产出效益相对不足。③ 中国大部分城市土地规模效率处于递增状态;城市土地规模效率空间分布亦呈现出东部地区高、中西部低的格局,且存在规模等级递减效应。对不同空间尺度和不同规模等级城市土地利用效率评价及其影响因子分析,对各级政府制定城市发展政策具有重要的现实意义。     

中国互联网区域差异的时空分析

本文将中国互联网域名地区分布数据与图形数据结合, 运用相关分析、Lorenz 曲线和区位 熵等方法, 从时间和空间上探讨了中国互联网分布的区域差异。通过分析认为: (1) 中国互联网发 展水平从东到西呈阶梯状分布。(2) 发展水平高的区域与发展水平低的区域差距较大。(3) 东部地 区和中部、西部地区的发展水平在拉大, 但全国各地区差异基本保持不变。(4) 东部地区互联网发 展速度加快, 中部地区发展缓慢, 西部地区步履艰难。(5) 互联网的发展是区域经济发展水平的反 映, 同时也具有自身的特点。     

Spatiotemporal dynamics of carbon intensity from energy consumption in China

The sustainable development has been seriously challenged by global climate change due to carbon emissions. As a developing country, China promised to reduce 40%-45% below the level of the year 2005 on its carbon intensity by 2020. The realization of this target depends on not only the substantive transition of society and economy at the national scale, but also the action and share of energy saving and emissions reduction at the provincial scale. Based on the method provided by the IPCC, this paper examines the spatiotemporal dynamics and dominating factors of China’s carbon intensity from energy consumption in 1997–2010. The aim is to provide scientific basis for policy making on energy conservation and carbon emission reduction in China. The results are shown as follows. Firstly, China’s carbon emissions increased from 4.16 Gt to 11.29 Gt from 1997 to 2010, with an annual growth rate of 7.15%, which was much lower than that of GDP (11.72%). Secondly, the trend of Moran’s I indicated that China’s carbon intensity has a growing spatial agglomeration at the provincial scale. The provinces with either high or low values appeared to be path-dependent or space-locked to some extent. Third, according to spatial panel econometric model, energy intensity, energy structure, industrial structure and urbanization rate were the dominating factors shaping the spatiotemporal patterns of China’s carbon intensity from energy consumption. Therefore, in order to realize the targets of energy conservation and emission reduction, China should improve the efficiency of energy utilization, optimize energy and industrial structure, choose the low-carbon urbanization approach and implement regional cooperation strategy of energy conservation and emissions reduction.     

中亚五国自华进口贸易技术溢出及碳排放影响研究

梳理1992—2018年中亚五国碳排放变化过程,运用碳排放库兹涅茨曲线模拟人均碳排放与人均国内生产总值（GDP）的关系,基于中亚五国人均GDP、工业增加值、研发投入、自华进口中间品和资本品的技术溢出存量等指标,构建面板数据固定效应模型以探究碳排放影响机制。结果表明：（1） 中亚五国碳排放先降后升,各国碳排放的变化率波动较大,其中哈萨克斯坦碳排放占中亚五国碳排放比重最大。（2） 就人均碳排放与人均GDP拟合的碳排放库兹涅茨曲线关系而言,哈萨克斯坦和土库曼斯坦表现为倒N型,乌兹别克斯坦、塔吉克斯坦、吉尔吉斯斯坦和中亚五国表现为N型。（3） 中亚五国自华进口额呈现较快的增长趋势,其中自华进口的中间品和资本品合计约占自华进口总额的3.920%~10.976%,中亚五国整体及各国中间品技术溢出存量均明显大于资本品技术溢出存量。（4） 在影响中亚五国碳排放的诸多因素中,人均GDP和工业增加值占GDP比重的回归系数显著为正,人均GDP、工业增加值占GDP比重每上升1%,碳排放分别增加0.337%和0.343%,研发投入、交互项LnZJ_it×LnS_it（中间品技术溢出存量的自然对数×工业增加值占GDP比重的自然对数）的回归系数显著为负,研发投入每增加1%,碳排放可减少约0.432%,在降低因工业增加值占GDP比重上升导致的碳排放方面,中间品技术溢出存量的影响极小。     

基于SBM-DEA模型湖南省碳排放效率时空差异及影响因素分析

以中部湖南省为研究区域,利用超效率SBM-DEA模型与Malmquist指数对2010~2016年湖南省14个市（州）碳排放效率和环境效率进行测度和空间差异分析,结果发现：① 从时间序列演化特征来看,除长沙市、常德市外,湖南省大部分市（州）的碳排放效率和环境效率偏低,纯技术效率的贡献较大,技术效率和规模效率发挥不足,部分地区在2010~2016年间的碳排放效率有所提高,但均低于10%的增长水平;② 从空间格局分布来看,湖南省14市（州）的效率水平差异显著,表现为碳排放效率由中部地区逐步向边缘地区进行转移和提升,而环境效率的波动性较大,整体呈现出“分散-集聚-分散”的趋势。五大能源区域中湘东地区的效率水平较高,其次为湘北地区,湘南地区与湘西地区表现为空间互补型区域,湘中地区的效率水平提升则相对滞后;③ 从影响因素的分析来看,二、三产业的作用效果不显著,生态环境、工业产业集聚和对外依存度对碳排放效率具有负向作用,技术进步则表现出积极的正向影响。最后,提出结合现有的政策引导和技术水平发展,充分发挥好各地区经济规模效应,促进生产要素在区域间的快速流动,推动技术进步成为节能减排的主要驱动等建议。     

中国镇域工业化和城镇化综合水平的空间格局特征及其影响因素

基于构建的“规模-效益-结构”指标体系,运用Jenks Natural Breaks分类、地理探测器、变异系数、探索性空间数据分析等方法对中国镇域工业化和城镇化综合水平的空间格局特征及其影响因素进行分析。研究表明：① 整体空间布局呈镶嵌式分布且高值连片格局不明显,但高值区在东部、中部城市群核心区的点状串联式凸显依然可见。此外,基于规模实力的中高值集聚格局,主要分布在长江以北的“三角形”区域;中低值、低值在西部的大范围绵延分布态势明显。整体而言,镇域尺度下规模、效益分异特征与以往研究类似,以胡焕庸线为分界的东南—西北差异清晰可见。② 空间内部差异度从低到高依次为东部、中部、西部和东北,与国家经济格局吻合。基于省域、城市群尺度发现,虽然部分省区、城市群内部差异与预期差别较大,但整体上依然表现出中东部内部差异较小,西部、东北乡镇实力不强且内部差异较大的客观事实。③ 从空间关联看,综合、结构水平的高值、低值集聚的格局化特征不明显,总体与空间分布格局类似;规模、效益水平的集聚格局类似且类似于已有研究,但显著LL区的集聚格局突破胡焕庸线并形成“S”型分隔,体现出镇域尺度细化后的集聚新特点。④ 从尺度对比看,县域、市域尺度下综合、结构水平的中高值分布格局与镇域尺度类似,呈现出以中东部城市群核心区、沿海与京广发展轴辐射区为表征的空间格局。不同的是,县域、市域尺度下规模实力的中高值集聚区范围扩大延伸至长江中下游以南,形成“四边形”区域。从胡焕庸线分异特征看,两者仅有规模水平分布类似,综合、结构与效益水平的分异表征不明显。从空间集聚看,显著HH区变化较大,主要表现在内蒙古、宁夏、甘肃省份的增多与连绵分布;显著LL区的分布范围明显缩小且胡焕庸一线西侧的大范围集聚区被局部打散、打乱。基于定量与定性结合的方法,从经济实力、非农化进程、乡镇现代化水平、地形地貌条件、根植性与路径依赖等方面进行影响分析,发现这五个方面分别起核心支撑、活力支撑、进程性、基础性与“链”式传导等作用。