城市化、外商投资和产业结构因素对中国环境的影响
发布时间:2020-12-12 00:37
基于扩展的STIRPAT理论框架,采用动态空间面板模型分析方法,研究城市化、外商直接投资和产业结构因素对中国环境污染的长期与短期空间溢出效应.结果表明,一个地区的城市化率每提高10%,短期会降低当地CO2排放水平的0.02%、降低邻近地区CO2排放水平的0.04%;而从长期看会降低本地CO2排放水平的0.08%、降低临近地区CO2排放水平的0.2%.在2006年以前,一个地区的能源强度每降低1%,会在短期降低本地CO2排放水平的0.31%、降低邻近地区CO2排放水平的0.09%;从长期看则会降低本地CO2排放水平的1.3%、降低邻近地区CO2排放水平的0.55%.在2006年后,这种能源强度的变化会使碳排放短期内总共降低0.45%,长期看总共降低2.06%.城市化率每提高10%短期内会减少本地0.05%的SO2排放、减少邻近地区0.1%的SO2排放.第二产业比重每降低1...
【文章来源】:中国环境科学. 2020年03期 第1374-1385页 北大核心
【文章页数】:12 页
【部分图文】:
局部加权回归散点平滑拟合Fig.1Localweightedregressionscatter
3期葛翔宇等:城市化、外商投资和产业结构因素对中国环境的影响13792015图2省际层面CO2与SO2排放量空间分布Fig.2SpatialdistributionofCO2andSO2emissionsdistributionattheprovinciallevel表3CO2与SO2全局Moran’sI指数Table3Moran’sIstatisticsofCO2andSO2CO2SO2年份Moran’sIP值Moran’sIP值19950.1560.0880.2000.02319960.1520.0940.2010.02319970.2350.0150.2490.00819980.2180.0230.2250.01519990.2380.0140.2290.01520000.2180.0240.1700.06520010.2430.0130.1580.08420020.2360.0140.1540.08920030.2100.0270.1310.13920040.2390.0140.1460.10820050.2760.0050.1480.10320060.2720.0060.1480.10320070.2730.0050.1650.07620080.2800.0040.1660.07420090.2730.0050.1480.10420100.2720.0060.1160.18220110.2660.0070.2300.01720120.2530.0090.2220.02120130.2500.0100.2260.01920140.2370.0140.2080.02920150.2370.0130.2100.027表3中的全局Moran’sI指数反映了排放指标在各个年份中的空间自相关性.表3显示,CO2排放水平在19个年份和2个年份中分别在5%和10%的显著水平下具有空间依赖性;SO2排放水平在10个年份和8个年份中分别在5%和10%的显著水平下具有空间依赖性,且两种排放物的Moran’sI指数都为正数,这佐证它们在省际间呈现出的“高-高”和“低-低”空间分布模式,即排放水平较高的地区相互聚集在一起,排放水平较低的地区也相互聚集在一起.2.2动态空间面板模型实证研究部分选择动态空间杜宾模型(DSDM),并结合上述扩展的STIRPAT框架探讨环境影响因素的效应.广义的动态空间模型(GDSM)设定如下:01001011213tttttttttyyyyXXV
本文编号:2911517
【文章来源】:中国环境科学. 2020年03期 第1374-1385页 北大核心
【文章页数】:12 页
【部分图文】:
局部加权回归散点平滑拟合Fig.1Localweightedregressionscatter
3期葛翔宇等:城市化、外商投资和产业结构因素对中国环境的影响13792015图2省际层面CO2与SO2排放量空间分布Fig.2SpatialdistributionofCO2andSO2emissionsdistributionattheprovinciallevel表3CO2与SO2全局Moran’sI指数Table3Moran’sIstatisticsofCO2andSO2CO2SO2年份Moran’sIP值Moran’sIP值19950.1560.0880.2000.02319960.1520.0940.2010.02319970.2350.0150.2490.00819980.2180.0230.2250.01519990.2380.0140.2290.01520000.2180.0240.1700.06520010.2430.0130.1580.08420020.2360.0140.1540.08920030.2100.0270.1310.13920040.2390.0140.1460.10820050.2760.0050.1480.10320060.2720.0060.1480.10320070.2730.0050.1650.07620080.2800.0040.1660.07420090.2730.0050.1480.10420100.2720.0060.1160.18220110.2660.0070.2300.01720120.2530.0090.2220.02120130.2500.0100.2260.01920140.2370.0140.2080.02920150.2370.0130.2100.027表3中的全局Moran’sI指数反映了排放指标在各个年份中的空间自相关性.表3显示,CO2排放水平在19个年份和2个年份中分别在5%和10%的显著水平下具有空间依赖性;SO2排放水平在10个年份和8个年份中分别在5%和10%的显著水平下具有空间依赖性,且两种排放物的Moran’sI指数都为正数,这佐证它们在省际间呈现出的“高-高”和“低-低”空间分布模式,即排放水平较高的地区相互聚集在一起,排放水平较低的地区也相互聚集在一起.2.2动态空间面板模型实证研究部分选择动态空间杜宾模型(DSDM),并结合上述扩展的STIRPAT框架探讨环境影响因素的效应.广义的动态空间模型(GDSM)设定如下:01001011213tttttttttyyyyXXV
本文编号:2911517
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/2911517.html