前言：本站為你精心整理了省域能源生態(tài)足跡空間效應(yīng)范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢(xún)。

摘要：選取30?。ㄗ灾螀^(qū)、直轄市）行政單位作為基本空間單元，依據(jù)2004—2015年中國(guó)統(tǒng)計(jì)年鑒和中國(guó)能源統(tǒng)計(jì)年鑒數(shù)據(jù)，對(duì)中國(guó)人均能源生態(tài)足跡進(jìn)行核算，在此基礎(chǔ)上運(yùn)用STIRPAT模型的變式，采用空間計(jì)量經(jīng)濟(jì)學(xué)的方法，分析人均能源生態(tài)足跡影響因素的空間效應(yīng)。研究結(jié)果表明：從2003年到2014年中國(guó)人均能源生態(tài)足跡呈現(xiàn)不斷上升的態(tài)勢(shì)；期間中國(guó)人均能源生態(tài)足跡存在著顯著的全局空間集聚效應(yīng)；中國(guó)省域人均能源生態(tài)足跡存在較為顯著的空間正相關(guān)性；人均GDP和建筑業(yè)總產(chǎn)值的提升對(duì)中國(guó)人均能源生態(tài)足跡有著正向的空間影響，新型城鎮(zhèn)化的進(jìn)程、提升規(guī)模以上工業(yè)企業(yè)的產(chǎn)出效率和高新技術(shù)產(chǎn)業(yè)的發(fā)展均有利于降低人均能源生態(tài)足跡。

關(guān)鍵詞：能源生態(tài)足跡；STIRPAT模型；空間計(jì)量

一、引言

進(jìn)入21世紀(jì)之后，中國(guó)的能源消費(fèi)總量開(kāi)始快速增長(zhǎng)，一般認(rèn)為，工業(yè)化是促使能源消費(fèi)快速增長(zhǎng)的核心因素［1］，工業(yè)化的發(fā)展會(huì)提高工業(yè)利用規(guī)模，能源利用則是工業(yè)發(fā)展的關(guān)鍵。隨著中國(guó)工業(yè)化進(jìn)程的推進(jìn)，能源消費(fèi)的快速增長(zhǎng)帶來(lái)一系列的空氣污染、生態(tài)破壞、氣候變化等能源環(huán)境問(wèn)題［2］。此外，雖然近年來(lái)中國(guó)的能源產(chǎn)量實(shí)現(xiàn)了快速增長(zhǎng)，但是由于能源消費(fèi)增長(zhǎng)過(guò)快以至于超過(guò)了能源產(chǎn)量的增長(zhǎng)速度，使得中國(guó)的能源消費(fèi)出現(xiàn)供不應(yīng)求，人均能源生態(tài)足跡出現(xiàn)赤字，直接影響和制約新常態(tài)下中國(guó)社會(huì)經(jīng)濟(jì)的穩(wěn)定發(fā)展［3］。能源生態(tài)足跡作為側(cè)重于生態(tài)理念的可持續(xù)發(fā)展量化指標(biāo)，國(guó)內(nèi)外不少學(xué)者都通過(guò)對(duì)其測(cè)算來(lái)觀測(cè)能源的利用強(qiáng)度，進(jìn)而提出改變能源利用方式的政策建議。Folke等計(jì)算并分析了部分國(guó)家的生態(tài)足跡［4］、Wackernagel等計(jì)算并分析了歐洲波羅的海流域29個(gè)大城市、塞舌爾群島和瑞典等的生態(tài)足跡［5］，并提出使用節(jié)能技術(shù)、提高垃圾回收利用率等建議。生態(tài)足跡概念引入國(guó)內(nèi)后，謝高地等介紹了生態(tài)足跡的理論、方法和計(jì)算模型，并對(duì)中國(guó)及其部分地區(qū)的生態(tài)足跡進(jìn)行了實(shí)證分析［6］［7］［8］。國(guó)內(nèi)外學(xué)者對(duì)生態(tài)足跡的研究自1991年便開(kāi)始，但對(duì)能源生態(tài)足跡的空間效應(yīng)影響研究并不多見(jiàn)?，F(xiàn)階段，地區(qū)能源生態(tài)足跡不僅會(huì)受到本地經(jīng)濟(jì)、社會(huì)等經(jīng)濟(jì)地理因素的影響，也可能還會(huì)受鄰近區(qū)域能源生態(tài)足跡的影響。近年來(lái)基于空間計(jì)量經(jīng)濟(jì)學(xué)方法研究我國(guó)能源消費(fèi)、碳排放問(wèn)題的文獻(xiàn)并不少。鄭長(zhǎng)德等采用空間計(jì)量經(jīng)濟(jì)學(xué)的方法實(shí)證分析發(fā)現(xiàn)，我國(guó)各省份的碳排放在空間分布上表現(xiàn)出一定的空間正自相關(guān)性［9］。程葉青等發(fā)現(xiàn)省域能源消費(fèi)碳排放強(qiáng)度具有明顯的空間集聚特征，且集聚程度有不斷增強(qiáng)的態(tài)勢(shì)，能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和城市化率對(duì)能源消費(fèi)碳排放強(qiáng)度時(shí)空格局演變具有重要影響［10］。郝宇等基于面板數(shù)據(jù)的空間計(jì)量模型分析了中國(guó)能源消費(fèi)和電力消費(fèi)的環(huán)境庫(kù)茲涅茨曲線［11］。雖然這些文獻(xiàn)涉及能源消費(fèi)和碳排放的空間效應(yīng)及影響因素的研究，但針對(duì)能源生態(tài)足跡的空間效應(yīng)及影響因素的專(zhuān)門(mén)研究尚不多見(jiàn)。20世紀(jì)70年代美國(guó)生態(tài)學(xué)家Ehrlich等為研究社會(huì)經(jīng)濟(jì)活動(dòng)與環(huán)境壓力之間的關(guān)系，提出IPAT模型［12］（P89－157），揭示人口、人均財(cái)富和技術(shù)三者之間的相互作用會(huì)對(duì)環(huán)境產(chǎn)生重要影響。然而這一模型無(wú)法揭示單一因素對(duì)環(huán)境壓力的影響，因而Dietz等［13］在IPAT的基礎(chǔ)上又發(fā)展出了STIRPAT模型，該模型主要通過(guò)加入隨機(jī)性影響來(lái)分解各技術(shù)項(xiàng)的實(shí)際貢獻(xiàn)度，擴(kuò)展后的STIRPAT模型主要形式為：I＝aPbt?Act?Tdt?eεt。STIRPAT模型在實(shí)際研究中應(yīng)用范圍較廣，展示出了良好的靈活性，可以通過(guò)增加其他控制因素來(lái)分析對(duì)觀測(cè)目標(biāo)的影響，國(guó)內(nèi)已有大量學(xué)者在此框架下研究中國(guó)碳排放的影響因素［14］［15］［16］［17］。人均能源生態(tài)足跡亦是對(duì)環(huán)境狀況的一種體現(xiàn)，因此本文通過(guò)擴(kuò)展該模型來(lái)分析人均能源生態(tài)足跡的影響因子以及其影響程度。本文首先對(duì)中國(guó)人均能源生態(tài)足跡進(jìn)行核算，然后構(gòu)建空間計(jì)量模型，選取影響人均能源生態(tài)足跡的指標(biāo)來(lái)分析中國(guó)人均能源生態(tài)足跡的空間效應(yīng)，最后提出建議。

二、研究方法

（一）人均能源生態(tài)足跡核算本文涉及的能源生態(tài)足跡重點(diǎn)考慮化石能源消費(fèi)對(duì)生態(tài)環(huán)境的沖擊。能源生態(tài)足跡的計(jì)算方法是：分別計(jì)算人類(lèi)生產(chǎn)生活活動(dòng)中各類(lèi)能源的生態(tài)足跡占用面積（hm2），將各類(lèi)能源的等價(jià)土地面積相加，得到某特定區(qū)域的能源生態(tài)足跡值［18］。具體人均能源生態(tài)足跡計(jì)算公式如下：f＝∑（ri／Yi）＊（Pi／N）（i＝1，2，…，n）（1）其中，f為某一地區(qū)的能源生態(tài)足跡，i表示不同能源的編號(hào)，依次為煤炭、焦煤、燃料油、電力和天然氣，ri表示不同能源的平均低位發(fā)熱量，Yi表示不同能源的生態(tài)足跡土地面積轉(zhuǎn)換系數(shù)，Pi為不同能源的年消費(fèi)總量，N為各地區(qū)當(dāng)年人口總數(shù)。r1～r5＝20．90GJ／t，28．44GJ／t，41．82GJ／t，3．6／105GJ／108kW?h，38．93＊105GJ／108m3①Y1～Y5＝55GJ／hm2，55GJ／hm2，71GJ／hm2，1000GJ／hm2，96GJ／hm2

（二）Moran’sI指數(shù)及其散點(diǎn)圖要了解人均能源生態(tài)足跡存在的空間集聚與相關(guān)特性，需要對(duì)被解釋變量進(jìn)行空間自相關(guān)檢驗(yàn)，通常用Moran’sI或者Geary指數(shù)C來(lái)表示全域空間自相關(guān)性。Moran’sI是最早用于全局聚類(lèi)檢驗(yàn)的方法，它用來(lái)檢驗(yàn)整個(gè)研究區(qū)中鄰近地區(qū)之間是相似、相異（空間正相關(guān)、負(fù)相關(guān)），還是相互獨(dú)立的，而Geary指數(shù)主要強(qiáng)調(diào)的是觀測(cè)值之間的離差。這里本文選用空間統(tǒng)計(jì)學(xué)相關(guān)指數(shù)Moran’sI對(duì)其進(jìn)行檢驗(yàn)，其計(jì)算方法如下：I＝n∑ni＝1∑nj＝1Wij｜xi－x｜｜xj－x｜∑ni＝1∑nj＝1Wij∑ni＝1｜xj－x｜2（2）其中，I為全局Moran指數(shù)，xi、xj分別為區(qū)域i、j中的觀察值，x為各區(qū)域的平均值；Wij是單元i和j的空間關(guān)系測(cè)度（相鄰為1，不相鄰為0）。Moran’sI的取值范圍為［－1，1］，大于0表示空間正相關(guān)，小于0表示空間負(fù)相關(guān)，等于0表示空間不相關(guān)，其絕對(duì)值越大，空間排斥現(xiàn)象越嚴(yán)重。Moran’sI散點(diǎn)圖用來(lái)研究局部的空間不穩(wěn)定性，其中：第Ⅰ象限為高高（HH）型區(qū)域，第Ⅱ象限為低高（LH）型區(qū)域，第Ⅲ象限為低低（LL）型區(qū)域，第Ⅳ象限為高低（HL）型區(qū)域。第Ⅰ、Ⅲ象限存在空間正相關(guān)，第Ⅱ、Ⅳ象限存在空間負(fù)相關(guān)。

（三）空間計(jì)量模型在對(duì)被解釋變量人均能源生態(tài)足跡進(jìn)行Moran’sI指數(shù)空間自相關(guān)性檢驗(yàn)之后，本文需要建立空間數(shù)據(jù)計(jì)量模型，來(lái)分析各解釋變量對(duì)被解釋變量的影響程度。一般空間計(jì)量模型可以分為空間滯后模型（SLM，也稱(chēng)空間自回歸模型，SAR）和空間誤差模型（SEM），面板數(shù)據(jù)的空間計(jì)量模型表示如下：空間滯后模型（SAR）：Yit＝δ∑Nj＝1wijyjt＋xitβ＋μi＋εit（3）空間誤差模型（SEM）：Yit＝xitβ＋μi＋uituit＝λ∑Nj＝1wijujt＋εit（4）其中，δ與λ分別為空間回歸系數(shù)與空間誤差系數(shù)。δ反映了樣本觀察值的空間依賴(lài)性，λ為被解釋變量的空間自相關(guān)系數(shù)，反映了鄰接地區(qū)殘差項(xiàng)對(duì)于本地區(qū)殘差項(xiàng)的影響程度。Yit表示各空間單元（i＝1，…，N）的解釋變量在時(shí)間t時(shí)（t＝1，…，T）的觀測(cè)值所組成的N×1階因變量；Xit表示N×K階解釋變量矩陣的要素；Wij表示N×N階非負(fù)空間權(quán)重矩陣的元素。綜合的空間Durbin模型能充分整合SLM和SEM兩模型的特點(diǎn)［24］。空間Durbin模型的具體形式為：lneit＝λ∑Nj＝1wijejt＋∑Nj＝1wijXjtθ＋αi＋γt＋εit（5）Durbin模型實(shí)際上是將各解釋變量的空間滯后項(xiàng)引入了SLM中。因而，若θ＝0，則空間Durbin模型退化為SLM；若θ＋λβ＝0，則空間Durbin模型簡(jiǎn)化為SEM。在實(shí)證分析中，可以利用不同種類(lèi)的LM統(tǒng)計(jì)量來(lái)檢驗(yàn)應(yīng)使用哪種空間計(jì)量模型進(jìn)行估計(jì)。

三、變量與數(shù)據(jù)

（一）變量選取及解釋改革開(kāi)放以來(lái)，中國(guó)各省份為了加快工業(yè)發(fā)展，都紛紛采取了加快發(fā)展高耗能產(chǎn)業(yè)的刺激政策，導(dǎo)致能源需求進(jìn)一步上升，對(duì)生態(tài)沖擊不斷增強(qiáng)，致使能源生態(tài)足跡不斷增大，如何在經(jīng)濟(jì)社會(huì)持續(xù)的發(fā)展中降低能源生態(tài)足跡，需要有效識(shí)別影響能源生態(tài)足跡的關(guān)鍵因素。一般認(rèn)為，影響能源生態(tài)足跡的因素包括經(jīng)濟(jì)因素、地理因素、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)因素等。經(jīng)濟(jì)因素影響能源生態(tài)足跡的機(jī)理主要是由于政府決策的原因。中國(guó)經(jīng)濟(jì)發(fā)展存在著地域差異，經(jīng)濟(jì)發(fā)展快的地區(qū)往往是消費(fèi)能源多的區(qū)域，為了發(fā)展本區(qū)域經(jīng)濟(jì)不僅消耗本區(qū)域的能源和生態(tài)環(huán)境，還對(duì)其他地區(qū)的生態(tài)造成了威脅。這些生態(tài)脆弱區(qū)往往也是經(jīng)濟(jì)貧困區(qū)，其經(jīng)濟(jì)實(shí)力不足以支付生態(tài)建設(shè)，因此形成了能源消費(fèi)與生態(tài)環(huán)境空間上的差異［19］。地理因素影響能源生態(tài)足跡的機(jī)理主要是由于中國(guó)地域廣闊，地區(qū)間經(jīng)濟(jì)發(fā)展存在很大差異，不同地區(qū)能源的需求不盡相同，而各地區(qū)社會(huì)經(jīng)濟(jì)、科技交通等方面的發(fā)展與進(jìn)步使得區(qū)域之間的交流更加頻繁，聯(lián)系更加緊密，因而很多經(jīng)濟(jì)、環(huán)境、生態(tài)等要素都可能存在空間相關(guān)性［20］。產(chǎn)業(yè)結(jié)構(gòu)影響能源生態(tài)足跡的機(jī)理主要是中國(guó)目前的產(chǎn)業(yè)結(jié)構(gòu)不甚合理造成了能源的大量消耗乃至浪費(fèi)［21］。技術(shù)因素影響能源生態(tài)足跡的機(jī)理主要是我國(guó)能源強(qiáng)度變化的主要推動(dòng)力來(lái)自于技術(shù)進(jìn)步等引致的能源利用效率的提高［22］。此外，城鎮(zhèn)化和建筑業(yè)也是能源生態(tài)足跡的重要影響因素。隨著農(nóng)村人口向城市集聚、中小城市人口向大城市遷移，城市人口的規(guī)模不斷提高，快速城鎮(zhèn)化帶來(lái)大量能源資源的消耗，對(duì)能源的需求持續(xù)加大帶來(lái)的能源約束等問(wèn)題日益突出。從全球范圍來(lái)看，建筑業(yè)消耗了世界40％的能源并排放了1／3的二氧化碳，是全球能源消耗和二氧化碳排放的主要產(chǎn)業(yè)部門(mén)，建筑業(yè)的節(jié)能和減排是全球節(jié)能減排的關(guān)鍵［23］。

在分析各因素對(duì)能源生態(tài)足跡的影響機(jī)理基礎(chǔ)上，本文選擇城鎮(zhèn)化率（ubr）、建筑業(yè)總產(chǎn)值（con）、人均GDP（gdp）、產(chǎn)業(yè)結(jié)構(gòu)高度化（iss）、規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值（aov）以及高新技術(shù)產(chǎn)值占GDP比例（roh）來(lái)分析各指標(biāo)對(duì)人均能源生態(tài)足跡的影響及程度。1．城鎮(zhèn)化率。從現(xiàn)有實(shí)證研究來(lái)看，城鎮(zhèn)化與能源消費(fèi)之間的傳導(dǎo)關(guān)系存在爭(zhēng)論。有的研究提出，城鎮(zhèn)化的不同模式將導(dǎo)致其對(duì)能源消費(fèi)產(chǎn)生不同的影響［24］。國(guó)內(nèi)一些學(xué)者也做了進(jìn)一步分析，認(rèn)為城鎮(zhèn)化是導(dǎo)致能源消費(fèi)變化的重要原因［25］［26］，證實(shí)了城鎮(zhèn)化水平與人均能源消費(fèi)水平存在高度相關(guān)性。在全國(guó)層面，中國(guó)城鎮(zhèn)化對(duì)能源消費(fèi)的凈效應(yīng)影響較為明顯［27］。2．建筑業(yè)總產(chǎn)值。建筑業(yè)是中國(guó)高耗能產(chǎn)業(yè)之一，研究表明中國(guó)建筑能耗在能源總消費(fèi)中的比例已由1970年代的10％上漲到目前的近30％。節(jié)能減排在我國(guó)作為一項(xiàng)基本國(guó)策在執(zhí)行，而建筑直接能耗和二氧化碳排放占我國(guó)總能耗和二氧化碳總排放的1／3［28］。建筑業(yè)的節(jié)能減排直接關(guān)系到國(guó)家應(yīng)對(duì)能源短缺和全球變暖戰(zhàn)略實(shí)施的成敗。而目前中國(guó)建筑業(yè)發(fā)展趨勢(shì)整體向上，以當(dāng)前建筑增速，預(yù)計(jì)到2020年中國(guó)建筑耗能將達(dá)到1089億噸標(biāo)準(zhǔn)煤①。3．人均GDP。一般而言，能源的消耗強(qiáng)度隨著人均GDP的增長(zhǎng)而增長(zhǎng)［29］。中國(guó)人均GDP以較高的速度增長(zhǎng)，某種程度上中國(guó)人均GDP的高速增長(zhǎng)是以大量的能源消耗換取的［30］。伴隨著經(jīng)濟(jì)的發(fā)展，我國(guó)能源的需求消耗一直呈現(xiàn)上升趨勢(shì)，并且由于技術(shù)原因，能源消耗長(zhǎng)期存在浪費(fèi)和效率低下的現(xiàn)象，這在一定程度上導(dǎo)致能源生態(tài)足跡的增加。4．產(chǎn)業(yè)結(jié)構(gòu)高度化。經(jīng)濟(jì)理論認(rèn)為，產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)發(fā)展和穩(wěn)定存在著緊密的聯(lián)系，在實(shí)踐中也證實(shí)了產(chǎn)業(yè)結(jié)構(gòu)的演進(jìn)會(huì)促進(jìn)經(jīng)濟(jì)向好發(fā)展。研究表明，中國(guó)產(chǎn)業(yè)結(jié)構(gòu)演變對(duì)能源效率變動(dòng)影響程度大于能源消費(fèi)結(jié)構(gòu)演變影響的程度，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與升級(jí)是影響中國(guó)能源效率提高、節(jié)能減排政策實(shí)施的關(guān)鍵環(huán)節(jié)［31］。5．規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值。中國(guó)規(guī)模以上工業(yè)企業(yè)數(shù)量雖然只占全國(guó)工業(yè)企業(yè)數(shù)量的20％左右，但其貢獻(xiàn)的總產(chǎn)值占所有工業(yè)企業(yè)產(chǎn)值的比例超過(guò)90％，規(guī)模以上工業(yè)企業(yè)在中國(guó)經(jīng)濟(jì)中占有重要地位。國(guó)內(nèi)學(xué)者對(duì)規(guī)模以上工業(yè)企業(yè)能源消耗的碳排放進(jìn)行實(shí)證分析，結(jié)果顯示規(guī)模以上工業(yè)企業(yè)是降低能源消耗強(qiáng)度和碳排放的重要產(chǎn)業(yè)部門(mén)［32］。6．高新技術(shù)產(chǎn)值占GDP比例。研究認(rèn)為技術(shù)進(jìn)步對(duì)中國(guó)的節(jié)能減排工作具有顯著作用［33］，通過(guò)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整發(fā)展低能耗的高新技術(shù)產(chǎn)業(yè)，能夠提高能源要素質(zhì)量和能源利用效率［34］。高新技術(shù)產(chǎn)業(yè)的發(fā)展能為中國(guó)調(diào)整一次能源消費(fèi)比例和使用清潔能源提供較好的技術(shù)基礎(chǔ)，對(duì)優(yōu)化中國(guó)產(chǎn)業(yè)結(jié)構(gòu)也有著重要意義。

（二）數(shù)據(jù)來(lái)源及處理本文數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》（2004—2015）、《中國(guó)能源統(tǒng)計(jì)年鑒》（2004—2015），由于西藏能源消費(fèi)數(shù)據(jù)缺失較多，故本文只針對(duì)其他30個(gè)省、直轄市、自治區(qū)（除港、澳、臺(tái)外）的數(shù)據(jù)進(jìn)行計(jì)算分析。其中能源消費(fèi)量主要源自《中國(guó)統(tǒng)計(jì)年鑒》（2004—2015）、《中國(guó)能源統(tǒng)計(jì)年鑒》（2004—2015），人口數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》（2004—2015）。為了消除異方差的影響，本文建立了雙對(duì)數(shù)空間計(jì)量模型。

四、結(jié)果分析

（一）中國(guó)能源生態(tài)足跡的基本分析根據(jù)人均能源生態(tài)足跡核算方法計(jì)算得出，各地區(qū)2003—2014年人均能源生態(tài)足跡基本情況（如圖1所示）。結(jié)果顯示，全國(guó)30個(gè)省、直轄市、自治區(qū)（除西藏外）人均能源生態(tài)足跡呈現(xiàn)不斷上升的態(tài)勢(shì)，全國(guó)平均人均能源生態(tài)足跡由2003年的0．3550hm2／人上升到2014年的1．0477hm2／人，年平均增加10．15％（如圖2所示），上升幅度較大，增速較快，這與中國(guó)能源消費(fèi)量快速增加不無(wú)關(guān)系（同時(shí)期中國(guó)能源消費(fèi)總量由183792萬(wàn)噸標(biāo)準(zhǔn)煤上漲到425806萬(wàn)噸標(biāo)準(zhǔn)煤）。此外，這12年間，全國(guó)平均人均能源生態(tài)足跡最高值為2013年的1．0565hm2／人，到2014年有所下降，全國(guó)平均人均能源生態(tài)足跡有達(dá)到峰值逐漸下降的趨勢(shì)。從省域?qū)用鎭?lái)看，各省人均能源生態(tài)足跡增長(zhǎng)態(tài)勢(shì)基本與全國(guó)平均人均能源生態(tài)足跡相似，大部分省域從2003年逐年增加，到2014年后開(kāi)始下降（黑龍江省人均能源生態(tài)足跡在這12年間不斷上升，未出現(xiàn)拐點(diǎn)），其中，增長(zhǎng)幅度最大的三個(gè)省份分別為福建、江蘇和內(nèi)蒙古，分別增長(zhǎng)了6．86倍、6．45倍和5．31倍。

（二）人均能源生態(tài)足跡空間自相關(guān)分析1．全局空間自相關(guān)測(cè)度。在前述計(jì)算基礎(chǔ)上，運(yùn)用GeoDa軟件分析計(jì)算中國(guó)2003—2014年間各地區(qū)人均能源生態(tài)足跡的全局Moran’sI指數(shù)，空間權(quán)重矩陣的確定采用rook一階鄰接矩陣，并對(duì)12年來(lái)的Moran’sI指數(shù)進(jìn)行了顯著性檢驗(yàn)（如表1所示）。所有樣本年份的Moran’sI指數(shù)全部為正（系數(shù)在0．2558～0．3420間波動(dòng)），并且均通過(guò)P值小于0．01的顯著性水平檢驗(yàn)，說(shuō)明中國(guó)人均能源生態(tài)足跡并非處于完全隨機(jī)狀態(tài)，而是存在著顯著的全局空間集聚效應(yīng)。2．局域空間自相關(guān)分析。通過(guò)Moran’sI指數(shù)測(cè)度的結(jié)果發(fā)現(xiàn)，區(qū)域人均能源生態(tài)足跡存在著空間相關(guān)性，據(jù)此進(jìn)一步用局域Moran’sI散點(diǎn)圖分析區(qū)域人均能源生態(tài)足跡存在的局部空間相關(guān)性。由圖3可以看出中國(guó)各地區(qū)人均能源生態(tài)足跡的關(guān)聯(lián)模式，處于Moran’sI散點(diǎn)圖中第Ⅰ象限的地區(qū)代表該地區(qū)與其相鄰地區(qū)的人均能源生態(tài)足跡均相對(duì)較高，為高高聚集區(qū)（H－H），呈現(xiàn)出空間擴(kuò)散的關(guān)聯(lián)模式；處于第Ⅱ象限的地區(qū)代表該地區(qū)人均能源生態(tài)足跡低于相鄰地區(qū)，為低高聚集區(qū)（L－H），呈現(xiàn)出空間過(guò)渡的關(guān)聯(lián)模式；處于第Ⅲ象限的地區(qū)代表該地區(qū)與其相鄰地區(qū)的人均能源生態(tài)足跡均相對(duì)較低，為低低聚集區(qū)（L－L），空間關(guān)聯(lián)模式為緩慢增長(zhǎng)；處于第Ⅳ象限的地區(qū)代表該地區(qū)人均能源生態(tài)足跡高于相鄰地區(qū)，為高低聚集區(qū)（H－L），呈現(xiàn)出空間極化的關(guān)聯(lián)模式。

（三）空間面板回歸結(jié)果分析由Moran’sI指數(shù)以及Moran’sI散點(diǎn)圖可以看出，中國(guó)人均能源生態(tài)足跡存在顯著的正空間自相關(guān)性，因此，需要建立空間計(jì)量模型來(lái)分析中國(guó)人均能源生態(tài)足跡的空間效應(yīng)及其影響因素。人均能源生態(tài)足跡的空間效應(yīng)明顯，經(jīng)豪斯曼檢驗(yàn)，本文人均能源生態(tài)足跡六個(gè)指標(biāo)均采用固定效應(yīng)（FixedEffects）。1．未考慮空間因素的全樣本估計(jì)。首先，分別用混合OLS、空間固定效應(yīng)、時(shí)間固定效應(yīng)和空間時(shí)間雙固定效應(yīng)來(lái)分析，結(jié)果如表2所示。從表2可以看出，對(duì)于不同固定效應(yīng)回歸模型的LM和穩(wěn)健LM檢驗(yàn)，大都通過(guò)了顯著性檢驗(yàn)，并且對(duì)空間誤差模型的LM和穩(wěn)健LM檢驗(yàn)統(tǒng)計(jì)量都要大于空間滯后模型，根據(jù)空間回歸模型判別準(zhǔn)則，應(yīng)選擇空間誤差模型。進(jìn)一步通過(guò)Wald和LR統(tǒng)計(jì)量檢驗(yàn)判斷空間杜賓模型是否可以簡(jiǎn)化為空間滯后模型和空間誤差模型（如表3所示），檢驗(yàn)結(jié)果發(fā)現(xiàn)，Wald－spatial－lag和LR－spatial－lag的統(tǒng)計(jì)量分別為95．0337和93．2401，其伴隨概率值prob－spatial－lag分別為0和0，均在1％的顯著性水平拒絕的原假設(shè)；Wald－spatial－error和LR－spa－tial－error的統(tǒng)計(jì)量分別為81．0438和85．1473，其伴隨概率值prob－spatial－error分別為2．2204e－15和3．3307e－16，也在1％的顯著性水平下拒絕θ＝0和θ＋λβ＝0的原假設(shè)。綜上可知，固定效應(yīng)下的杜賓模型更適合于數(shù)據(jù)特征的刻畫(huà)。2．考慮空間要素的全樣本估計(jì)。由于空間效應(yīng)的存在，本文將空間因素引入回歸方程進(jìn)行估計(jì)。表3為考慮空間因素時(shí)的人均能源生態(tài)足跡全樣本估計(jì)結(jié)果，可以看出，考慮了空間因素的回歸估計(jì)更加顯著，高于未考慮空間因素的模型估計(jì)結(jié)果，同時(shí)LogL也較未考慮空間因素的模型有提高，模型中各解釋變量也更加顯著

。因此，考慮空間因素的空間杜賓模型能提高估計(jì)的有效性。通過(guò)對(duì)不同固定效應(yīng)下的空間杜賓模型的對(duì)比分析發(fā)現(xiàn)，時(shí)間空間雙固定效應(yīng)下的空間杜賓模型的擬合優(yōu)度R2、離散度σ2以及LogL要優(yōu)于其他固定效應(yīng)模型，因此選擇時(shí)間空間雙固定效應(yīng)下的空間杜賓模型研究人均能源生態(tài)足跡的影響因素?；貧w結(jié)果顯示，某一省份人均能源生態(tài)足跡的水平不僅受到城鎮(zhèn)化率、人均GDP等這些因素的影響，也受到其相鄰省份的人均能源生態(tài)足跡的影響。W＊y的回歸系數(shù)顯著為正，說(shuō)明中國(guó)的人均能源生態(tài)足跡存在著空間的互動(dòng)效應(yīng)，某一個(gè)省份降低人均能源生態(tài)足跡對(duì)其周邊的省份降低各自的人均能源生態(tài)足跡有著積極的作用。表3回歸估計(jì)結(jié)果顯示，2005—2014年間，我國(guó)省域的新型城鎮(zhèn)化能有效降低人均能源生態(tài)足跡，統(tǒng)計(jì)的t值為－1．5229，通過(guò)了10％的顯著性水平檢驗(yàn)，新型城鎮(zhèn)化的彈性系數(shù)為－0．4566，說(shuō)明城鎮(zhèn)化率每增長(zhǎng)一個(gè)百分點(diǎn)，人均能源生態(tài)足跡就會(huì)降低近0．5個(gè)百分點(diǎn)。對(duì)比表2可以看出，考慮了空間因素之后城鎮(zhèn)化率對(duì)人均能源生態(tài)足跡的負(fù)向影響要高于未考慮空間因素的估計(jì)結(jié)果，說(shuō)明未考慮空間因素的城鎮(zhèn)化率對(duì)人均能源生態(tài)足跡影響被低估了，而中國(guó)新型城鎮(zhèn)化的推行有助于降低人均能源生態(tài)足跡，對(duì)改善中國(guó)資源環(huán)境約束有著積極作用。此外，城鎮(zhèn)化率的回歸系數(shù)在這幾個(gè)因素里最高，表明加快推進(jìn)新型城鎮(zhèn)化是解決我國(guó)當(dāng)前人均能源生態(tài)足跡過(guò)高的較為有效的手段之一。該結(jié)果也與中國(guó)推進(jìn)新型城鎮(zhèn)化發(fā)展的基本理念和核心思想不謀而合。相比傳統(tǒng)的城鎮(zhèn)化進(jìn)程，新型城鎮(zhèn)化道路實(shí)質(zhì)上是可持續(xù)發(fā)展的城鎮(zhèn)化，強(qiáng)調(diào)集約高效地利用能源，減輕對(duì)生態(tài)環(huán)境的污染和破壞。W＊ubr的回歸結(jié)果也顯示，中國(guó)各省新型城鎮(zhèn)化的推進(jìn)與其周邊省份新型城鎮(zhèn)化速度之間有著良好的空間互動(dòng)關(guān)系，某一個(gè)省份推進(jìn)新型城鎮(zhèn)化對(duì)帶動(dòng)周邊省份加快建設(shè)新型城鎮(zhèn)化有著積極的影響，體現(xiàn)了我國(guó)新型城鎮(zhèn)化進(jìn)程中城市群、城市帶發(fā)展的思想?；貧w結(jié)果顯示，省域經(jīng)濟(jì)增長(zhǎng)并不能降低人均能源生態(tài)足跡，反而對(duì)人均能源生態(tài)足跡有反向抑制作用，統(tǒng)計(jì)的t值為6．3434，通過(guò)了1％的顯著性水平檢驗(yàn)，經(jīng)濟(jì)發(fā)展水平的彈性系數(shù)為0．8780，說(shuō)明經(jīng)濟(jì)每增長(zhǎng)一個(gè)百分點(diǎn)，人均能源生態(tài)足跡就會(huì)上升近1個(gè)百分點(diǎn)。而考慮空間因素之后的人均GDP對(duì)人均能源生態(tài)足跡的正向影響高于未考慮空間因素的估計(jì)結(jié)果，說(shuō)明中國(guó)目前經(jīng)濟(jì)發(fā)展的整體仍然不夠“綠色”，經(jīng)濟(jì)發(fā)展的質(zhì)量不高，轉(zhuǎn)變經(jīng)濟(jì)增長(zhǎng)方式迫在眉睫。

中國(guó)目前仍處于增長(zhǎng)速度換擋期、結(jié)構(gòu)調(diào)整陣痛期和前期刺激政策消化期的特殊時(shí)期，產(chǎn)業(yè)結(jié)構(gòu)和消費(fèi)模式仍然處于優(yōu)化調(diào)整階段，要盡快挖掘新的增長(zhǎng)極，加快供給側(cè)改革，促進(jìn)社會(huì)經(jīng)濟(jì)健康發(fā)展。W＊gdp回歸結(jié)果較為顯著，說(shuō)明各省之間經(jīng)濟(jì)發(fā)展具有較好的聯(lián)動(dòng)機(jī)制，經(jīng)濟(jì)發(fā)展具有較強(qiáng)的外部性和示范效應(yīng)，某一省份經(jīng)濟(jì)發(fā)展越好，會(huì)對(duì)周邊省份經(jīng)濟(jì)發(fā)展起到積極影響。未考慮空間因素的規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值和高新技術(shù)產(chǎn)值對(duì)人均能源生態(tài)足跡的負(fù)向影響均高于考慮了空間因素的估計(jì)結(jié)果，彈性系數(shù)分別為－0．2522和－0．0996，說(shuō)明規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值和高新技術(shù)產(chǎn)值每增長(zhǎng)一個(gè)百分點(diǎn)，人均能源生態(tài)足跡就會(huì)降低近0．3和0．1個(gè)百分點(diǎn)。各個(gè)省份在規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值和高新技術(shù)產(chǎn)業(yè)產(chǎn)值方面存在的空間效應(yīng)不如城鎮(zhèn)化率和人均GDP的空間效應(yīng)強(qiáng)，但提高規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值和高新技術(shù)產(chǎn)業(yè)產(chǎn)值對(duì)降低人均能源生態(tài)足跡仍有積極意義。規(guī)模以上工業(yè)企業(yè)是我國(guó)工業(yè)發(fā)展的標(biāo)桿，應(yīng)積極響應(yīng)國(guó)家有關(guān)政策，在生態(tài)文明理念的指導(dǎo)下轉(zhuǎn)型發(fā)展，提高能源利用效率，降低對(duì)生態(tài)環(huán)境的沖擊和影響。技術(shù)進(jìn)步有助于降低能源生態(tài)足跡［18］，因而高新技術(shù)產(chǎn)業(yè)規(guī)模的擴(kuò)大也將一定程度上緩解我國(guó)能源生態(tài)足跡較高的局面。W＊aov回歸結(jié)果并不顯著，說(shuō)明中國(guó)各省份之間的規(guī)模以上工業(yè)企業(yè)之間聯(lián)動(dòng)效應(yīng)不明顯，這也與各省的工業(yè)企業(yè)布局有著密切關(guān)系，例如山西是以資源開(kāi)發(fā)利用為主導(dǎo)的工業(yè)企業(yè)為主，而廣東則主要以輕工業(yè)為主，基礎(chǔ)工業(yè)較少。在其他控制變量方面，產(chǎn)業(yè)高度化指標(biāo)的空間回歸估計(jì)結(jié)果符號(hào)不穩(wěn)定，說(shuō)明中國(guó)產(chǎn)業(yè)高度化發(fā)展對(duì)降低人均能源生態(tài)足跡并沒(méi)有形成良好的省際聯(lián)動(dòng)效應(yīng)，各省產(chǎn)業(yè)高度化進(jìn)程對(duì)其周邊省份產(chǎn)業(yè)高度化的發(fā)展缺乏有效輻射，且各省份較易出現(xiàn)產(chǎn)業(yè)過(guò)度同質(zhì)化現(xiàn)象，缺乏區(qū)域創(chuàng)新突破。而未考慮空間因素的建筑業(yè)總產(chǎn)值表現(xiàn)出對(duì)人均能源生態(tài)足跡強(qiáng)烈的正向影響，說(shuō)明中國(guó)當(dāng)前的建筑業(yè)發(fā)展會(huì)使得人均能源生態(tài)足跡變高，但考慮空間要素之后的建筑業(yè)總產(chǎn)值統(tǒng)計(jì)的t值為－0．1199，說(shuō)明建筑業(yè)總產(chǎn)值的影響并不顯著。

五、結(jié)論

根據(jù)2003—2014年中國(guó)統(tǒng)計(jì)年鑒和中國(guó)能源統(tǒng)計(jì)年鑒數(shù)據(jù)，將STIRPAT模型和空間計(jì)量經(jīng)濟(jì)學(xué)方法結(jié)合，分析了中國(guó)省域12年間的人均能源生態(tài)足跡主要影響因素的空間效應(yīng)及其影響程度，揭示了各影響因素在不同時(shí)空上對(duì)人均能源生態(tài)足跡影響的差異性，得到以下主要結(jié)論：其一，利用GeoDa軟件分析計(jì)算中國(guó)2003—2014年間的人均能源生態(tài)足跡的總體空間關(guān)聯(lián)程度，由全局Moran’sI可以看出，中國(guó)人均能源生態(tài)足跡并非處于完全隨機(jī)狀態(tài)，存在著顯著的全局空間集聚效應(yīng)。結(jié)合空間面板回歸結(jié)果表明，這種集聚效應(yīng)與我國(guó)城鎮(zhèn)化的加速和城市產(chǎn)業(yè)的集聚有著密切關(guān)系，城鎮(zhèn)化的加速使得我國(guó)大城市規(guī)模不斷擴(kuò)大，吸引規(guī)模以上工業(yè)和建筑業(yè)以及其他經(jīng)濟(jì)活動(dòng)不斷以大城市為中心集聚，這種情形同時(shí)也促進(jìn)了城市規(guī)模的擴(kuò)大。其二，根據(jù)局部自相關(guān)的聚集圖可以看出，省域之間存在著正的空間效應(yīng)，使得各省與其周邊地區(qū)之間呈現(xiàn)出相互聯(lián)系且影響的態(tài)勢(shì)，中國(guó)人均能源生態(tài)足跡存在較為顯著的空間溢出效應(yīng)。從2005、2008、2011、2014四年的人均能源生態(tài)足跡分布可以看出，中國(guó)人均能源生態(tài)足跡較高的地區(qū)集中在京津冀、上海等地，而中部地區(qū)人居能源生態(tài)足跡較其他地區(qū)整體偏小，能源利用對(duì)環(huán)境的沖擊和影響較小，擁有較好的產(chǎn)業(yè)承接潛力。產(chǎn)業(yè)轉(zhuǎn)移對(duì)于區(qū)域經(jīng)濟(jì)結(jié)構(gòu)調(diào)整及區(qū)域間經(jīng)濟(jì)關(guān)系的優(yōu)化具有重要意義，中、西部地區(qū)應(yīng)發(fā)揮資源豐富、要素成本低、市場(chǎng)潛力大的優(yōu)勢(shì)，積極承接產(chǎn)業(yè)轉(zhuǎn)移，不僅有利于加速中、西部地區(qū)新型工業(yè)化和城鎮(zhèn)化進(jìn)程，促進(jìn)區(qū)域協(xié)調(diào)發(fā)展，而且有利于推動(dòng)?xùn)|部沿海地區(qū)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)，在全國(guó)范圍內(nèi)優(yōu)化產(chǎn)業(yè)分工格局，降低我國(guó)人均能源生態(tài)足跡，減少對(duì)生態(tài)環(huán)境的污染和破壞。其三，空間面板回歸結(jié)果表明，人均GDP和建筑業(yè)總產(chǎn)值對(duì)中國(guó)人均能源生態(tài)足跡存在正向依賴(lài)關(guān)系，需要正視經(jīng)濟(jì)發(fā)展的負(fù)外部效應(yīng)，加快轉(zhuǎn)變經(jīng)濟(jì)增長(zhǎng)模式，發(fā)展綠色GDP和大力推廣節(jié)能建筑技術(shù)。而城鎮(zhèn)化率、規(guī)模以上工業(yè)企業(yè)平均產(chǎn)值和高新技術(shù)產(chǎn)業(yè)產(chǎn)值占GDP比重三項(xiàng)指標(biāo)的回歸結(jié)果表明，應(yīng)堅(jiān)持新型城鎮(zhèn)化發(fā)展道路，提升高新技術(shù)產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中的比例，由內(nèi)生的技術(shù)進(jìn)步來(lái)推動(dòng)經(jīng)濟(jì)持續(xù)發(fā)展，同時(shí)提高規(guī)模以上工業(yè)企業(yè)的產(chǎn)出效率，降低能耗，推進(jìn)節(jié)能減排。

參考文獻(xiàn)：

［1］吳巧生．理解中國(guó)工業(yè)化與能源消費(fèi)：基于計(jì)量經(jīng)濟(jì)模型的實(shí)證檢驗(yàn)［J］．中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010，（4）．

［2］成金華，李?lèi)?，陳軍．中?guó)生態(tài)文明發(fā)展水平的空間差異與趨同性［J］．中國(guó)人口?資源與環(huán)境，2015，（5）．

［3］揣小偉，黃賢金，王倩倩，等．基于信息熵的中國(guó)能源消費(fèi)動(dòng)態(tài)及其影響因素分析［J］．資源科學(xué)，2009，（8）．

［4］Folke，C．，A．Jansson，J．Larsson，etal．Ecosystemappropriationbycities［J］．AMBIO，1997，（3）．

［5］Wackernagel，M．Anevaluationoftheecologicalfootprint［J］．EcologicalEconomics，1999，31．

［6］謝高地，魯春霞，成升魁，等．中國(guó)的生態(tài)空間占用研究［J］．資源科學(xué)，2001，（6）．

［7］李智，鞠美庭，劉偉，等．中國(guó)1996年—2005年能源生態(tài)足跡與效率動(dòng)態(tài)測(cè)度與分析［J］．資源科學(xué)，2007，（6）．［8］秦耀辰，牛樹(shù)海．生態(tài)占用法在區(qū)域可持續(xù)發(fā)展評(píng)價(jià)中的運(yùn)用與改進(jìn)［J］．資源科學(xué)，2003，（1）．

［9］鄭長(zhǎng)德，劉帥．基于空間計(jì)量經(jīng)濟(jì)學(xué)的碳排放與經(jīng)濟(jì)增長(zhǎng)分析［J］．中國(guó)人口?資源與環(huán)境，2011，（5）．

［10］程葉青，王哲野，張守志，等．中國(guó)能源消費(fèi)碳排放強(qiáng)度及其影響因素的空間計(jì)量［J］．地理學(xué)報(bào)，2013，（10）．

［11］郝宇，廖華，魏一鳴．中國(guó)能源消費(fèi)和電力消費(fèi)的環(huán)境庫(kù)茲涅茨曲線：基于面板數(shù)據(jù)空間計(jì)量模型的分析［J］．中國(guó)軟科學(xué)，2014，（1）．

［12］Ehrlich，P．R．，A．H．Ehrlich．Population，Resources，Environment：IssuesinHumanEcology［M］．SanFrancis－co：Freeman，1970．

［13］Dietz，T．，E．A．Rosa．EffectsofpopulationandaffluenceonCO2emissions［J］．ProceedingsoftheNationalA－cademyofSciencesoftheUSA，1997，（1）．

［14］馬宏偉，劉思峰，趙月霞，等．基于STIRPAT模型的中國(guó)人均二氧化碳排放影響因素分析［J］．?dāng)?shù)理統(tǒng)計(jì)與管理，2015，（2）．

［15］歐元明，周少甫．基于空間面板STIRPAT模型的省域碳排放研究［J］．工業(yè)技術(shù)經(jīng)濟(jì)，2015，（3）．

［16］何小鋼，張耀輝．中國(guó)工業(yè)碳排放影響因素與CKC重組效應(yīng)———基于STIRPAT模型的分行業(yè)動(dòng)態(tài)面板數(shù)據(jù)實(shí)證研究［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2012，（1）．

［17］李丹丹，劉銳，陳動(dòng)．中國(guó)省域碳排放及其驅(qū)動(dòng)因子的時(shí)空異質(zhì)性研究［J］．中國(guó)人口?資源與環(huán)境，2013，（7）．

［18］Liu，H．Theimpactofhumanbehavioronecologicalthreshold：Positiveornegative？—Greyrelationalanalysisofecologicalfootprint，energyconsumptionandenvironmentalprotection［J］．EnergyPolicy，2013，（5）．

［19］薛曉嬌，李新春．中國(guó)能源生態(tài)足跡與能源生態(tài)補(bǔ)償?shù)臏y(cè)度［J］．技術(shù)經(jīng)濟(jì)與管理研究，2011，（1）．

［20］孫巖，馮立芳，龐阿榮．城市居民能源使用行為的影響因素研究［J］．科研管理，2013，（8）．

［21］虞義華，鄭新業(yè)，張莉．經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)與碳排放強(qiáng)度———中國(guó)省級(jí)面板數(shù)據(jù)分析［J］．經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2011，（3）．

［22］鄒艷芬．中國(guó)能源生態(tài)足跡的技術(shù)進(jìn)步影響實(shí)證分析［J］．資源科學(xué)，2010，（7）．

［23］Cai，W．G．，Y．Wu，Y．Zhong，etal．Chinabuildingenergyconsumption：Situation，challengesandcorrespondingmeasures［J］．EnergyPolicy，2009，（6）．

［24］楊開(kāi)忠，楊詠，陳潔．生態(tài)足跡分析理論與方法［J］．地球科學(xué)進(jìn)展，2000，（6）．

［25］Shen，L．，S．Cheng，A．Gunson，etal．Urbanization，sustainabilityandtheutilizationofenergyandmineralre－sourcesinChina［J］．Cities，2005，（4）．

［26］耿海青，谷樹(shù)忠，國(guó)冬梅．基于信息熵的城市居民家庭能源消費(fèi)結(jié)構(gòu)演變分析———以無(wú)錫市為例［J］．自然資源學(xué)報(bào)，2004，（2）．

［27］王蕾，魏后凱．中國(guó)城鎮(zhèn)化對(duì)能源消費(fèi)影響的實(shí)證研究［J］．資源科學(xué)，2014，（6）．

［28］姜虹，李俊明．中國(guó)發(fā)展低碳建筑的困境與對(duì)策［J］．中國(guó)人口?資源與環(huán)境，2010，（12）．

［29］魏艷旭，孫根年，李靜．基于技術(shù)進(jìn)步的中國(guó)能源消耗與經(jīng)濟(jì)增長(zhǎng)：前后兩個(gè)30年的比較［J］．資源科學(xué)，2011，（7）．

［30］齊紹洲，羅威．中國(guó)地區(qū)經(jīng)濟(jì)增長(zhǎng)與能源消費(fèi)強(qiáng)度差異分析［J］．經(jīng)濟(jì)研究，2007，（7）．

［31］王強(qiáng)，鄭穎，伍世代，等．能源效率對(duì)產(chǎn)業(yè)結(jié)構(gòu)及能源消費(fèi)結(jié)構(gòu)演變的響應(yīng)［J］．地理學(xué)報(bào)，2011，（6）．

［32］鄧明君．湘潭市規(guī)模以上工業(yè)企業(yè)能源消耗碳排放分析［J］．中國(guó)人口?資源與環(huán)境，2011，（1）．

［33］王迪，聶銳．江蘇省節(jié)能減排影響因素及其效應(yīng)比較［J］．資源科學(xué)，2010，（7）．

［34］張文璽．中日韓GDP、人口、產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源消費(fèi)的影響研究［J］．中國(guó)人口?資源與環(huán)境，2013，（5）．

作者：馮銀，成金華，申俊