哈萨克斯坦能源效率变动及其影响因素实证分析

基于哈萨克斯坦1992-2013年能源相关数据,分析该国近年来能源利用效率变动的基本情况,并与我国做出了比较;借助模型工具,选取技术进步、产业结构、能源价格、能源消费结构四因素探讨其对能源效率的影响,在此基础上利用脉冲响应和方差分解模型进一步从动态视角审视能源效率与影响因素之间的变动关系。研究表明:(1) 1992-2013年哈萨克斯坦能源效率呈现逐渐上升的趋势,2013年达到0.597 t标准煤·(10⁴元)^-1,高于2013年我国的能源效率水平0.701 t标准煤·(10⁴元)^-1,且两国都处于能源效率低水平的国家行列。(2)从长期来看,哈萨克斯坦能源消费结构、产业结构、能源价格每降低1%,能源效率则会分别提高3.17%、1.85%、1.26%,能源消费结构对能源效率影响最大,而技术进步每提高1%,则能源效率将提高0.25%。(3)哈萨克斯坦能源消费结构与技术进步对能源效率的冲击效应呈倒U型分布,分别是缘于边际递减效应与技术自身滞后性及回弹效应,且方差分解表明能源价格对能源效率贡献最大。哈萨克斯坦能源效率变动趋势与我国有类似规律,说明在能源价格改革和能源结构调整领域内,我国与哈萨克斯坦有共同的难题,有进一步合作的需要,这些结论为我国与哈萨克斯坦国家能源合作领域开辟新空间,为今后丝绸之路经济带沿线国家能源领域合作提供研究基础。     

中国产业结构升级、全要素能源效率与碳排放（英文）

基于2000-2018年全国30个省份（港澳台、西藏除外）的面板数据,利用面板回归模型和中介效应模型分析了产业结构升级、全要素能源效率及碳排放之间的关系和影响机制。研究发现：产业结构高级化在不同区域对碳排放均呈现显著的抑制作用,不同区域的抑制强度呈现“西部>中部>东部”的规律;产业结构合理化在不同区域对碳排放的抑制作用差异较大,在中西部地区表现为显著的抑制作用,但在东部地区抑制作用不显著;各区域全要素能源效率的提升对碳排放的抑制作用均较为显著,抑制强度呈现“西部>东部>中部”的规律。进一步通过中介检验发现,不同区域的全要素能源效率在产业结构升级与碳排放的作用中具有部分和完全中介效应,能够促进和加强产业结构升级对碳排放的抑制作用。因此,研究认为产业结构升级和提升全要素能源效率是促进碳减排的有效手段,但单独依赖产业结构升级的碳减排效果并不理想,需与提升全要素能源效率相结合才会对碳减排起到有效的促进作用。     

中国工业燃烧能源导致碳排放的因素分解

在碳排放的分解方面,方法日渐成熟,包括Laspeyres指数法、简单平均分解法(SAD)、自适应权重分解法(AWD)等.许多学者也做过大量实证研究,但基本都用到碳排放强度或者能源消费强度这一因子并且认为其占有绝对地位,缺乏进一步的分解.本文通过对碳排放计算公式的深人分解,将工业燃烧能源导致的碳排放量分解为6个因素.即能源消费总量、能源消费结构、技术因素、中间投入量、产业结构以及工业总量.并借助LMDI分解方法.分析了我国1992～2005年工业燃烧能源导致碳排放的影响因素.结果显示我国经济总量的增长、能源利用效率低以及以煤为主的能源消费结构是导致我国碳排放大量增加的主要原因.而技术(中间投入比重)、行业产值结构、能源结构等因素的变化对碳减排的作用并不明显.因此,加快技术进步、调整产业结构和能源结构、发展清洁能源发电,以提高能源利用效率、转变能源消费结构,可以有效减少工业碳排放量.     

中国冰雪旅游产业集群特征及影响因素（英文）

冰雪旅游是蓬勃发展的旅游业态,冰雪旅游产业集群体现了一个地区冰雪旅游的发展质量。基于1985—2021年中国冰雪旅游企业数据,本研究采用产业集群识别和产业关联分析方法,全面分析中国冰雪旅游产业集群发展状况。结果表明：（1）中国冰雪旅游业初步形成了京津冀、东北、长三角、珠三角、成渝和新疆地区等六大产业集群。（2）中国冰雪旅游产业链结构有待优化,多种产业形态未能深度融合发展。（3）中国各省冰雪旅游产业集群发展环境呈现差异化特征。（4）中国冰雪旅游产业集群的发展受到内部和外部因素的双重影响。外部因素包括气候和冰雪资源、政府政策和体育赛事、经济基础和市场条件;内部因素包括产业关联和产业整合。本文初步识别了我国冰雪旅游产业集群的特征,并提出了优化发展对策。     

中国省域旅游效率空间网络结构演化及其影响因素

综合运用Super-DEA模型和社会网络分析法探究2011-2016年中国省域旅游效率空间网络结构演化特征及其成因.结果表明:①2011-2016年中国省域旅游效率均值为0.739,总体呈现轻微下降态势,空间上大致呈现"东部＞中部＞东北部＞西部"的分布特征.②研究期内,中国省域旅游效率的空间关联网络呈现多线程、稠密化和...     

风景名胜区旅游效率及其分解效率的时空格局与影响因素——基于Bootstrap-DEA模型的分析方法

综合运用数据包络分析方法与Bootstrap-DEA纠偏分析方法,测算1992-2012年风景名胜区旅游效率及其分解效率,探讨各分解效率与旅游综合效率的关系及其作用程度,并基于系统广义矩分析方法进行影响因素的定量分析与检验。结果表明：① 风景名胜区旅游效率总体上处于波动态势,多数尚未达到DEA最优状态,纠偏结果显示,总体上风景区旅游效率及其分解效率较之原值呈现偏小态势,高值区反映在空间上主要集中分布在沿海地带、关中平原（山陕地区）以及西南地区,尤其是环渤海湾和东部沿海更加显著;② 整个时间节点,从接近对角线的个数来看,纯技术效率—综合效率更加明显,且随着时间的推移,散点图上的纯技术效率和规模效率偏离对角线的趋势在增大,呈现出沿着对角线纵向方向扩展的特征,表明了纯技术效率较之规模效率对综合效率的作用与影响更大;③ 从旅游全要素生产率的影响因素来看,经济发展水平、市场化程度、交通发展条件、科技信息水平以及制度供给因素对旅游效率的影响存在正相关,旅游资源禀赋的影响作用显著下降,而产业结构变化的影响表现为负相关。     

多尺度交通出行碳排放影响因素研究进展

减少交通出行碳排放是全球共同面对的重大议题之一,同时也是城市和交通可持续发展的重要目标。论文首先基于文献计量方法对近20年来的全球交通出行碳排放研究现状与趋势进行梳理与分析,在此基础上,分别从国家、城市和社区3个尺度对国家交通能源消耗及其碳排放的驱动力因素、城市形态对交通碳排放的影响以及社区建成环境对居民出行碳排放的影响研究进行了文献综述与归纳凝练。研究发现：① 国家尺度的研究早期大多基于时间序列数据,采用分解法探究交通能源消耗的主要驱动力;近年来,研究进一步根据能源消耗数据“自上而下”地测算交通碳排放,并通过构建面板数据模型探究社会经济、城市形态和交通发展因素对交通碳排放的影响。② 城市尺度的研究早期围绕紧凑城市是否一种低碳的城市形态而进行讨论,主要使用截面数据和相关分析方法;近年来,进一步拓展使用情景预测、GIS空间分析、空间回归、空间模拟等方法探究城市交通碳排放的空间差异及其与城市形态、城市中心分布形式之间的关系。③ 在社区尺度,研究多以截面、非集计的问卷调查数据为主,采用定量的数学模型探究居民社会经济属性和人口密度,土地利用混合度,与就业地、城市中心的距离,路网与交叉口密度、公共交通供给水平等建成环境要素对居民出行碳排放的影响。最后有针对性地提出了未来中国城市交通出行碳排放影响因素的研究趋势。     

不同交通方式对旅游效率的影响与评价——以张家界为例

以张家界为案例地,运用数据包络分析法（DEA）、Malmquist指数模型及Tobit回归模型对张家界2005~2015年城市旅游效率进行分析,并从综合效率、纯技术效率、规模效率以及技术进步变化、全要素生产率变化进行实证研究,最后从公路、铁路及民航等不同交通方式探讨张家界对旅游效率的影响程度。结果显示：① 综合效率、纯技术效率呈现先下降后上升的趋势,全生产要素变化基本呈上升趋势。② Tobit回归模型中,劳动力投入、资本投入、旅游资源吸引力以及铁路客运量和航运客运量在0.01的水平上对综合效率、纯技术效率有显著影响,而其他因素对规模效率的影响不大。③ 交通条件的优化对提升旅游交通有着正向影响作用,且铁路、航运对张家界旅游效率有显著影响,而公路对其有影响但不显著,因此针对不同交通方式提出要进一步完善张家界景区内外部交通网络建设,形成公路交通、铁路交通、航空与景区交通无缝对接以及建成立体交通网络体系等优化策略,以提高张家界的旅游效率,实现旅游产业健康快速和可持续发展,这将为张家界实现旅游效率最优化水平提供理论指导。     

区域旅游交通服务功能对旅游效率的空间溢出效应及其影响机理--以云南省为例

在构建交通服务功能模型和旅游效率评价指标基础上,综合运用熵权TOPSIS法、Bootstrap-DEA模型、双变量LISA和空间面板杜宾模型,探究2000-2016年云南省交通服务功能与旅游效率的空间关联特征,解析交通服务功能对旅游效率影响的空间效应及机理。结果表明:1)2000-2016年云南省交通服务功能整体呈上升态势,呈现典型“核心—边缘”空间格局;旅游效率总体水平呈增长趋势,在空间上呈集聚分布格局。2)云南省交通服务功能与旅游效率总体呈现空间集聚和依赖特征,双变量局部Moran散点主体落点呈现“高—高”和“低—低”空间聚类模式,表明评价交通服务功能与旅游效率关系时不能忽略空间效应。3)云南省交通服务功能对旅游效率具有明显的正向直接效应和空间溢出效应,佐证了交通是区域旅游效率增长不可或缺的先决条件;本地交通服务功能每提升1%,将会带动本地和邻近地区旅游效率分别增长0.2752%和0.1456%。4)经济实力、信息化水平、产业结构高级化、市场规模和对外开放度对本地旅游效率具有显著正向直接效应,经济实力、信息化水平、产业结构高级化与对外开放度对邻近地区旅游效率具有空间溢出效应。     

中国能源消费增长特征及影响因素分析

以煤炭消费为主、总量增长迅速、结构演进缓慢、使用效率低下使得中国目前能源消费调控问题面临诸多困难。本文使用多元回归模型和通径分析法确定了中国能源消费增长的主要因子及各因子的作用机理,结果发现：影响中国能源消费的主要因素按照影响程度依次为经济增长、城市化水平、对外贸易、人口总量、能源消费结构及能源利用效率,其中经济增长、人口规模扩大是直接推动中国能源消费增长的原因,而城市化水平和对外贸易规模则通过间接作用推动能源消费增长,能源消费结构的改善和能源利用效率的提高表面上看起来会引发能源消费增加,但是其间接影响都是负的,从而使得这两个因素整体上表现为减缓了能源消费增长。     

中国工业资源环境效率空间演化特征及影响因素

利用混合方向性距离函数构建工业资源和环境效率评价模型,并基于空间效应构建工业资源和环境效率影响因素分析模型,分析了2006年和2015年中国工业资源和环境效率的空间演化特征,剖析了工业资源和环境效率的影响因素及其作用机制。研究表明：① 中国工业资源效率总体较低且多年来有所下降,空间分异由“均衡分布”向“西高东低”转化,资源效率在空间上具有正相关性,且空间相关性有所提升。② 中国工业环境效率总体偏低且多年来略有下降,空间分异总体呈“H”型格局,环境效率具有显著的空间正相关性。③ 工业化水平和环境规制与资源效率呈显著负相关;对外开放与资源效率呈显著正相关,但作用逐渐变得不显著;劳动生产水平与资源效率显著正相关。④ 对外开放与环境效率显著正相关,但作用逐渐变得不显著;环境规制与环境效率提升呈显著负相关,但这种负向作用逐渐不显著;劳动生产水平与环境效率显著正相关;工业企业尤其是大中型企业数量的增多与环境效率显著负相关。     

中国旅游业能源消耗与CO2排放量的初步估算

随着旅游产业规模的不断壮大,旅游业对气候、环境的影响日益引起国际机构和社会各界的关注.旅游业能源利用及二氧化碳排放是旅游对环境影响的重要驱动力之一,成为近5年来世界旅游研究的新兴热点.旅游产业特点决定了旅游业能源消耗和二氧化碳排放量的测算是个世界性的难题.本文采用"自下而上"法,通过文献研究与数理统计方法,首次系统估算...     

中国旅游业能源消耗与二氧化碳排放量估算(英文)

In 2009, nearly 900 million international tourist arrivals were counted worldwide. A global activity of this scale can be assumed to have a substantial impact on the environment. In this contribution, five major aspects such as the change of LUCC and the use of energy and its associated impacts had been recognized. Recently, the impact of tourism on environment and climate attracts the attention of international organizations and societies in pace with rapid development of tourism industry. Energy consumption and CO2 emissions in tourism sector are becoming a hot spot of international tourism research in recent five years. The use of energy for tourism can be divided according to transport-related purposes (travel to, from and at the destination) and destination-related purposes excluding transports (accommodation, food, tourist activities, etc.). In addition, the transports, accommodation and foods are related to many other industries which are dependent on energy. Thus, the estimations of energy consumption and CO2 emissions in tourism sector have become a worldwide concern. Tourism in China grows rapidly, and the number of domestic tourists was 1902 million in 2009. Energy use and its impact on the environment increase synchronously with China’s tourism. It is necessary to examine the relationship between energy use and CO2 emissions. In this article, a preliminary attempt was applied to estimate the energy consumption and CO2 emissions from China’s tourism sector in 2008. Bottom-up approach, literature research and mathematical statistics technology were also adopted. According to the calculations, Chinese tourism-related may have consumed approximately 428.30 PJ of energy in 2008, or about 0.51% of the total energy consumptions in China. It is estimated that CO2 emissions from tourism sector amounted to 51.34 Mt, accounting for 0.86% of the total in China. The results show that tourism is a low-carbon industry and also a pillar industry coping with global climate change, energy-saving and CO2 emission reduction. Based on this, the authors suggested that tourism should become an important field in low-carbon economic development.     

On Estimating Transportation Energy Consumption and Carbon Dioxide Emissions from Off-shore Island Tourism—A Case Study of Haikou City,China

In the tourism industry, transportation is the greatest consumer of energy and contributes the largest amount of CO₂ emissions (ECCE). Airplane flights make up between 60% and 70% of all forms of tourism transport. Since airplane travel is the main way for tourists to access islands, airplane travel receives considerable attention in the study of the relationship between island tourism transportation, environment and economy. However, the parameters adopted to estimate ECCE in the literature are usually either out-of-date or taken from papers not written in China. To improve the accuracy of estimates, all the parameters used in this paper are current and were obtained locally. Based on these parameters and a bottom-up approach, a more accurate estimation of ECCE for the off-shore island city of Haikou was obtained in 2012. The results indicate that 24.30% of the city’s energy consumption, 33.89 PJ, was due to tourism transportation, while CO₂ emissions were 2.54 Mt. It is incorrect to assume that tourism is “an industry with no pollution”. In Haikou, for example, tourism turns out to be the major form of energy consumption in the city. This paper makes several suggestions intended to minimize the negative environmental impact from tourism transportation. These include recommending longer stays, a decrease in the number of flights, taxation of airplane emissions, and the setting up an environmental recovery fund.     

海滨旅游目的地竞争力影响因素实证分析

为把握海滨旅游目的地竞争力各影响因素之间的逻辑层次关系以及影响因素与竞争力的相关性,通过问卷调查,借助SPSS13.0统计软件进行因子分析。结果表明,海滨旅游目的地竞争力的影响因素可归纳为11项公共因子,按其对海滨旅游目的地竞争力影响程度大小依次为自然吸引物、资源与环境维护、社会灾难、目的地可进入性与知名度、目的地经营管理、旅游服务设施、旅游发展保障因素、目的地组织及其相关政策、目的地基础设施、人文吸引物、物价水平。     

Spatial and Temporal Distribution Characteristics of Flower-viewing Tourism and Its Influencing Factors in China

Despite the rapid development of flower-viewing tourism in China in recent years, there is almost no systematic research on it. Therefore, this study analyzes the spatial and temporal distribution characteristics of flower-viewing tourism and its influencing factors in China using the spatial statistical analysis methods and the geographic detector method. The study uses the Point-of-Interest data of flower-viewing tourist attractions from networks such as Qunar and Ctrip, the flower observation data from China Phenological Observation Network, Chinese network news, and Weibo, and the statistical data from yearbooks. The results are as follows: 1) The spatial attribution type of flower-viewing tourism in China is aggregated into areas, including two high-density aggregated areas, three medium-density aggregated areas, and one general-density aggregated area. Furthermore, five major types of flower-viewing tourist attractions have formed several aggregated areas. 2) The time of flower viewing in China starts from about February and lasts about eight months till October each year. Florescence and flowering time of different ornamental flowers in different regions are different. 3) The spatial and temporal distribution characteristics of flower-viewing tourism in China are mainly affected by ornamental flower phenology, spatial distribution characteristics of flower-viewing resources, regional permanent population size, youth population size, female population size, regional GDP, and added value of the tertiary sector. These conclusions clarify the spatial and temporal distribution characteristics of flower-viewing tourism and its influencing factors in China. They could provide a scientific basis and useful reference for the coordination and sustainable development of regional flower-viewing tourism in China.     

中国旅游微博空间分布格局及影响因素——以新浪旅游微博为例

运用空间分析法、位序-规模法则、多元回归等方法,对中国旅游微博的空间分布格局进行分析,并揭示旅游微博空间分布的影响因素。研究表明:1中国旅游微博以政府旅游微博为主体,旅游专业网站微博为重要补充,旅游景区、旅游协会微博所占比重较小。2旅游微博东密西疏的梯度分布格局较为突出,省际分布集中性强,且大多分布在人口规模大、行政级别高的城市。3旅游微博规模分布满足齐夫法则,双分形结构明显,但不同类型旅游微博规模等级结构以及发育程度差异较大。4旅游微博空间分布受人口规模、信息化程度、旅游资源禀赋等因素的综合影响,不同类型旅游微博空间分布的影响因素表现出一定的差异性。     

中国区域综合运输效率的测度及其时空演化

以中国31个省（市、自治区）为研究单元,采用DEA模型对1988-2011年中国省域综合运输效率时空演化特征进行了分析,结果发现：中国省域综合运输效率总体水平较低,呈现出东部高而中西部低的空间格局;从分解效率来看,中国省域综合运输技术效率水平较低,规模效率普遍较高,技术效率是影响综合运输效率时空格局变化的主要因素。3/4省份完成了由规模收益递增阶段向规模收益递减阶段的过渡,运输资源要素的投入冗余阻碍了综合运输效率水平提高,调控和优化现有运输资源结构,提高技术效率成为提高综合运输效率的主要途径。     

基于ESDA方法与空间计量模型的旅游影响因素分析

通过探索性空间数据分析（ESDA）发现,中国省域之间的旅游发展存在明显的空间自相关性,在空间分布上呈现聚集状态。进一步建立空间计量经济学模型进行实证研究,空间滞后模型的极大似然估计结果表明,旅游总收入模型和国内收入模型的参数ρ显著为正,说明邻近区域之间旅游收入空间联系十分密切,且国内旅游的溢出效应大于总体旅游的溢出效应。经济发展水平是总体旅游、国内旅游和入境旅游发展的重要影响因素。旅游上层设施、人力资源、旅游基础设施在统计上十分显著,是总体旅游和国内旅游发展的重要影响因素。入境旅游模型则整体拟合较差。