合作咨询热线:

400-671-6258

新闻中心
联系世界杯买球

电话:400-671-6258

邮箱:62748190@qq.com

地址:江苏省江苏省宿迁市

您当前位置:世界杯买球 > 新闻中心 > 行业动态 >
香樟推文中国世界杯买球碳排放问题研究成果特征测度
发布时间:2022-09-24 10:37 浏览:[]次

世界杯买球中国政府在2018年第一期做出的2020年和2030年CO 2 减排承诺中国能源统计,已经成为制约中国经济发展和转型的硬性约束。据测算,2015年我国碳排放强度约为0.703 2吨/万元,比2005年下降42%。2020年减排承诺总体目标应提前实现,但中国碳排放总量要到2030年左右才能达到排放峰值,减排形势任重道远。根据英国石油公司世界能源统计年鉴(2017)[1]中公布的CO 2 排放数据,中国的排放份额从2005年的20.9%增加到2014年的27.5%,仍保持上升趋势。一方面,中国幅员辽阔,区域发展不平衡明显。2015年东部地区碳排放强度低于全国平均水平约25%,中西部地区碳排放强度明显高于全国平均水平,西部地区碳排放强度持平高于全国平均水平50%以上。这种巨大的空间分异特征可能源于区域间人口规模、技术水平、能源结构和经济发展的差异。另一方面,根据 Tobler (1979) [2] 的地缘经济学定律,附近存在地理空间效应。由于区域之间的信息和资源的流动和交流,

因此,中国政府在对省际减排任务进行分解时,不仅需要考虑区域间碳排放的差异,还需要深入分析其空间效应的特点以及空间溢出是否对各省区的碳排放产生影响。邻近地区的碳排放强度。这些都是完善区域间减排政策需要考虑的重要因素。一、文献综述目前对中国碳排放的研究成果非常丰富。空间演化特征的测度主要从空间分异和空间集聚演化特征两个方面进行。对于空间差分特征测量,实现了目前常用的基尼系数、总离差、平均离差、泰尔系数等测量指标。刘华军等。(2012)[3],胡元等。(2016) [4] 和崔伟军等。(2015) [5] 采用基尼系数、泰尔系数、平均离差等指标分析空间差异的特征。措施。严艳梅等。(2016)[6]比较了三种测量方法,发现虽然计算过程存在差异,但不同测量方法得出的总体结论大体一致。近年来,许多学者采用核密度分布方法来分析空间分布特征的动态演化趋势。其演变趋势。马大来等。

与基尼系数、总离散度、相对离散度和泰尔指数相比,核密度估计方法利用图形变化来综合反映指标的动态演变趋势,反映的空间信息更加丰富和全面。碳排放强度的空间特征分析很少使用,因此本文将采用核密度分布估计方法全面描述现阶段30个省份碳排放强度的动态演变趋势。DOI:10. 15918/j。jbitss1009-3370. 2018. 1281 收稿日期:2017-05-29 基金项目:国家社科基金资助项目“多情景模拟”对我国统一碳交易传导效应及政策的研究国家' 华北电力大学经济管理系,河北保定071003; 2. 华北电力大学经济与管理学院, 北京 102202) 摘要:通过核密度分布和莫兰指数测量中国 30 个省份 2000-2015 年碳排放强度的动态趋势和集聚特征, 并采用空间杜宾模型分析主要影响因素。华北电力大学经济管理系,河北保定071003; 2. 华北电力大学经济与管理学院, 北京 102202) 摘要:通过核密度分布和莫兰指数测量中国 30 个省份 2000-2015 年碳排放强度的动态趋势和集聚特征, 并采用空间杜宾模型分析主要影响因素。

世界杯买球结果表明:(1)中国30个省份的碳排放强度呈下降趋势,新常态以来低碳步伐加快;(2)碳排放强度空间集聚具有高水平集聚、低水平集聚的特点,空间溢出效应持续增强;(3)全省经济规模和产业结构对全省碳排放强度有显着正向影响,专利产出有显着负向影响;外商投资规模和周边省份能源消费结构变化对全省碳排放影响显着。空间溢出效应。因此,未来中国将加快产业结构调整,优化相邻省份之间的产业空间布局,大力发展绿色科技进步。这些是中国推进区域低碳转型的主要方向。同时,生态城镇化和外商直接投资质量的不断提高也将减少排放。潜在因素,省际减排空间溢出效应不容忽视。关键词:碳排放;核密度分布;空间自相关系数;北京理工大学学报(社会科学版)Vol.20 No.1 January 2018 在测量中,主要分为两类:一类是社会网络分析(SNA),

刘华军等。(2017) [8] 采用SNA方法测度中国跨省SO 2 排放空间相关特征,并通过其网络结构的统计特征测度指标开发;李静等人。(2014) [9] 用这种方法测量了中国不同省份经济增长的空间相关性特征。另一种是空间相关分析(Moran's I 指数)。童欣等。(2016)[10],刘等人。(2014) [11] 6005-6023 用这种方法分析了中国碳排放的空间自相关特征。措施。虽然对 SNA 通过构建关系网络和统计特征测度提供的空间联系信息的研究更加详细中国能源统计,将关系矩阵完全引入空间计量模型是困难的中国能源统计,莫兰I指数是基于被解释变量值的显着性。属性检验综合反映所有区间的空间效应特征是否具有显着影响。一旦有显着影响,就可以将空间相邻关系矩阵的构建引入到度量模型中,通过模型选择和变量显着性来度量空间相关特征。空间溢出效应。目前,在中国不同地区碳排放影响因素的研究中,空间效应问题正逐渐引起国内外学者的关注。许多学者试图在模型构建过程中反映区域的空间特征。马大来等。(2015)[12]67-77在分析中国省际碳排放效率和工业碳排放效率时发现,两者之间存在显着的空间自相关,且存在明显的聚类趋势。构建空间面板模型,探讨中国碳排放效率跨省变化的关键原因。

近年来,许多学者试图通过将空间信息引入面板数据模型,构建空间面板模型来描述中国碳排放的区域间效应[13-14]。张德刚等。(2017) [15] 采用 SNA 方法测度中国碳排放的空间特征,并采用二次分配程序 (QAP) 解释空间效应特征。(2016)[16]使用QAP方法解释了国际知识空间流动的因素和特征。根据刘军(2014)[17]对QAP模型的应用研究,主要用于解释关系变量的影响因素分析,被解释变量也是关系矩阵,即,该方法用于关系变量的处理。中间。本文仅将空间相邻关系矩阵作为影响变量,其他解释变量均不是关系变量。这里采用空间面板模型来综合描述碳排放强度的影响因素。在解释变量的选择上,主要基于环境压力模型(IPAT)或其衍生模型(如STIRPAT)。, 2017 [18]; 张翠菊等,2016[19]47-51),本文将技术进步的测度分为以国内技术进步产出和国外技术进步溢出为解释变量的两类指标。空间溢出对碳排放强度的影响,

世界杯买球综上所述,本文的主要贡献在于以下三个方面:一是目前我国碳排放的空间特征测量大多采用单一指标的方法来衡量差异,如基尼系数、总离差等。泰尔系数等。指标值的变化反映了其演化特征。本文将利用核密度函数的图变化特征的度量,如峰度、偏度等,共同反映其空间演化趋势中国能源统计,得出的结论会更加全面和具体。第二,在中国碳排放强度影响因素研究中,对于技术进步因素的分析,很多文献使用了他们的投入指标,如研发投入、工时投入等,在实践中从研发投入到产出存在较大的不确定性。,使用产出指标可以更好地反映我国各省的实际技术进步,因此本文将使用产出指标——专利产出规模来描述各省技术进步的范围;同时,很多文献研究大多忽略了国外技术。因此,在本研究中,进步对国内技术水平的溢出效应以外国直接投资 (FDI) 为特征。第三,在研究方法上,目前文献大多采用空间面板模型的回归系数来解释空间效应特征,存在一定偏差。本文将空间效应特征分为两部分:直接和间接的传导效应,更准确地分析和解释。变量对被解释变量的影响过程,从而清晰地发现各省碳排放的空间传导路径,从而制定详细的省级减排联动方案,深入挖掘导致我国碳排放变化的关键因素排放强度中国能源统计,提高中国的碳减排水平。为政策提供参考。深入挖掘导致我国碳排放强度变化的关键因素,提高我国碳减排水平。为政策提供参考。深入挖掘导致我国碳排放强度变化的关键因素,提高我国碳减排水平。为政策提供参考。

各能源类型的标准煤折算系数(表1)和各省能源消耗量来自《中国能源统计年鉴》。各省的GDP数据来源于《中国统计年鉴》,其中各年的数值以2000年的价格水平换算为实际的GDP数据。各地区的碳排放强度除以区域GDP碳排放总量 C=8k=1Σ C k =8k=1Σ E k ×SC k ×CF k ( 1 ) 1010··2018年第一期(二)区域碳排放动态演变强度是通过考察2000-2015年中国30个省份的碳排放强度动态演变特征,尤其是2012年进入新常态后的演变趋势,

核密度估计在概率论领域主要用于估计未知的密度函数,是常用的非参数检验方法之一(高铁梅,2006)[21]。对于数据 x 1 , x 2 ,...,xn ,核密度估计为 f(x)=1nhni=1Σ Kx-x ihΣΣ(2) 其中 h 表示适当的带宽;K(·) 表示 Epanechnikov 核函数。本文利用2000-2015年中国30个省份碳排放强度分布核密度曲线的变化特征来反映30个省份碳排放强度空间分布的动态收敛和离散特征,从而反映空间分布特征和品种的演变趋势。(三) 区域集聚特征和空间异质性测度主要考察碳排放强度空间失衡特征的差异,空间相关性将反映碳排放强度是否存在显着的空间溢出和相互模仿效应。相关现象的测度通过空间自相关系数-Moran's I的测度来反映碳排放强度的空间集聚趋势变化。其计算公式如式(3)所示: Moran's I=i , jΣ W ij ( CI i -CI ) ( CI j - CI ) s 2i , jΣ W ij ( 3 ) 其中 i 和 j 分别代表两个省;CI为碳排放强度;CI为30个省份的碳排放强度平均值;s 2 是方差;W是空间权重矩阵,

世界杯买球Moran's 指数的取值范围在-1 和1 之间。取值为-1 时,表示各省之间碳排放强度呈现完全负空间相关性;当值为1时,表示存在完全正的空间相关性;当该值接近0时,表明各省碳排放强度的空间相关性较弱;等于0时,表示不存在空间相关性,服从随机分布。同时,需要对 Moran 指数的显着性进行统计检验,一般通过正态分布的 Z 检验来实现。(四)中国区域碳排放强度影响因素模型构建1. 解释变量选择 Grossman et al. (1991) [22] 将经济产出活动与环境的关系分解为规模效应、结构效应和技术效应。在 Ehrlich 等人提出的 IPAT 模型中。(1972) [23] 将环境压力分为人口、富裕程度和单位能源消耗,然后在基于 IPAT 的 STIRPAT 等衍生系列模型中,将环境污染分为人口、经济和技术。马大来(2015)[12]69、张翠菊(2016)[19]50和刘(2014)[11]6011等因素的影响在此基础上构建了计量经济学模型。因此,本文将影响区域碳排放强度的高低因素分为规模、结构和技术三类。规模变量包括经济规模和人口规模,由人均地区生产总值(AY)和平均人口(P)两个指标表示;结构性因素主要包括产业结构和能源消费品种结构,分别以第二产业比重(IS)和煤炭消费比重(ES)来体现;技术指标主要反映技术进步对碳排放强度的影响。按技术来源分为国内技术进步和国外技术引进两部分。国内技术进步以年专利数(T)为特征,国外技术引进主要通过外商直接投资(FDI)实现。产生了重要影响(林伯强等,2010[24];盛斌等,2012[25]),

世界杯买球因此,构建的基本计量经济模型如公式(4)所示 lnCI=β 0 +β 1 lnAY+β 2 lnP+β 3 lnES+β 4 lnIS+β 5 lnT+β 6 lnFDI+ε ( 4 ) 其中 ln ( ) 表示变量为对数形式;ε表示随机变量。2.空间面板计量模型的构建将空间相关性引入到基本计量模型中,以反映空间效应对区域碳排放强度的影响程度。由于使用了2000-2015年30个省份的面板数据类型,将尝试构建空间面板计量模型,通过建立通用面板模型来修正各能源品种的标准煤转化系数和碳排放系数。汽油 煤油 柴油 燃料油 天然气 标准煤换算系数0. 714 3 0.971 4 1.428 6 1.471 4 1.471 4 1. 457 1 1.428 6 1.330 0 碳排放因子0.755 9 0.855 0 0.585 7 0.553 8 0.571 4 0.592 1 0.@ >618 5 0.448 3 注:换算系数中前7个能量品种的计量单位为kg/kg;天然气为 kg/m3;碳排放因子以千克/... 换算系数中前7个能量品种的计量单位为kg/kg;天然气为 kg/m3;碳排放因子以千克/... 换算系数中前7个能量品种的计量单位为kg/kg;天然气为 kg/m3;碳排放因子以千克/...

扫码关注世界杯买球

服务热线

400-671-6258

邮箱:62748190@qq.com
地址:江苏省江苏省宿迁市