王凯^1,, 邵海琴¹, 周婷婷¹, 邓楚雄^2,
1. 湖南师范大学旅游学院,长沙 410081
2. 湖南师范大学资源与环境科学院,长沙 410081

EKC framework analysis of the effects of tourism development on regional carbon emissions: Based on China's 1995-2015 panel data

WANGKai^1,, SHAOHaiqin¹, ZHOUTingting¹, DENGChuxiong^2,
1. Tourism College of Hunan Normal University, Changsha 410081, China
2. Resource and Environment Science College of Hunan Normal University, Changsha 410081, China
通讯作者:通讯作者:邓楚雄（1974- ）,男,湖南衡阳人,博士,副教授,主要从事资源评价与区域规划研究。E-mail: dcxppd@hunnu.edu.cn
收稿日期:2017-10-19
修回日期:2018-01-30
网络出版日期:2018-04-20
版权声明:2018《地理研究》编辑部《地理研究》编辑部
基金资助:湖南省教育厅科学研究重点项目（14A088）;国家社会科学基金项目（16BJL063）
作者简介:
-->作者简介：王凯（1969- ）,男,湖南新宁人,博士,教授,主要从事低碳经济、区域旅游发展规划研究。E-mail: kingviry@163.com



展开

摘要
基于扩展的环境库兹涅茨曲线（EKC）,利用1995-2015年中国省际面板数据探讨旅游发展对区域碳排放的影响,同时分析了经济增长、贸易开放程度、失业率、受教育程度和城市化水平等因素对碳排放的影响作用。研究表明：① 传统经济增长与碳排放之间的倒“U”型EKC假说成立,受教育程度（-0.061）、失业率（-0.062）和贸易开放程度（-0.170）的提升有利于降低人均CO₂排放量,其中,贸易开放程度的减排作用最为明显;城市化水平（2.113）的提高会增加人均CO₂排放量。② 旅游发展对区域碳排放的影响显著,具体表现为：旅游接待人次与人均CO₂排放量拟合曲线呈正“U”型,而人均旅游消费与人均CO₂排放量则呈现典型的倒“U”型曲线良性发展状态。③ 旅游专业化水平的提高会使得EKC向下方移动,经济发展的环境压力得到减轻,且高旅游专业化区域旅游接待人次与人均CO₂排放量之间关系的转折点相对较高,而其人均旅游消费与人均CO₂排放量之间关系的转折点则相对较低。

关键词：环境库兹涅茨曲线;旅游发展;碳排放;中国
Abstract
In the context of global warming, it is of great significance to analyze the impact of tourism development on regional carbon emissions regarding promotion of the sustainable development of tourism. Based on EKC Theory and related literatures, this paper tried to develop the EKC Theoretical Model by introducing tourism development variables and exploring the effects of tourism development on regional carbon emissions on the basis of the provincial panel data of China during 1995-2015. Meanwhile, we examined the effects of economic growth, opening degree of trade, unemployment rate, education level and urbanization level on carbon emissions. Results show that the inverse U-shaped EKC relationship exists between per capita CO₂ emissions and per capita GDP. In addition, the education level (-0.061), unemployment rate (-0.062) and opening degree of trade (-0.170) would be conductive to per capita CO₂ emissions reduction, among which the biggest contributor is the opening degree of trade, while the urbanization level (2.113) would tend to increase the per capita CO₂ emissions. Moreover, the development of tourism has a significant impact on per capita CO₂ emissions. To be specific, the fitting curve of tourist reception and per capita CO₂ emissions shows a positive "U"-type, while that of per capita tourism consumption and per capita CO₂ emissions is a typically inverted "U"-shaped curve. Furthermore, the level of tourism specialization has a significant effect on the peak and position of EKC. More specifically, the improvement of tourism specialization level will cause the EKC to move downward so that environmental pressures of economic development will be alleviated, and the turning point of the curve reflecting the relationship between tourism arrivals and per capita CO₂ emissions in the regions with high-level specialization of tourism is relatively higher than in other regions, while that of per capita tourism consumption and per capita CO₂ emissions is at lower levels. Finally, some policies for the low-carbon tourism economy are recommended.

Keywords：environmental Kuznets curve;tourism development;carbon emissions;China

-->0
PDF (3103KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
王凯, 邵海琴, 周婷婷, 邓楚雄. 基于EKC框架的旅游发展对区域碳排放的影响分析——基于1995-2015年中国省际面板数据[J]. 地理研究, 2018, 37(4): 742-750 https://doi.org/10.11821/dlyj201804008
WANG Kai, SHAO Haiqin, ZHOU Tingting, DENG Chuxiong. EKC framework analysis of the effects of tourism development on regional carbon emissions: Based on China's 1995-2015 panel data[J]. Geographical Research, 2018, 37(4): 742-750 https://doi.org/10.11821/dlyj201804008

1 引言

在全球变暖和能源紧缺的宏观背景下,控制温室气体排放、发展低碳经济已成为国际社会普遍关注的热点和焦点问题。旅游业是当今世界最大也是发展最快的产业部门,其碳减排对全球减排目标的实现意义重大^[1]。2009年底,《国务院关于加快发展旅游业的意见》明确提出“把旅游业培育成国民经济的战略性支柱产业”的奋斗目标。2015年底,联合国大会正式将2017年确定为“国际可持续旅游发展年”,而旅游发展的低碳化是旅游业可持续发展的关键目标之一。因此,探讨旅游发展对区域碳排放的影响是推动低碳经济发展的重要课题,对实现节能减排与旅游发展这两个战略目标,促进区域旅游、经济和生态的协调可持续发展具有重要的现实意义。
国内外对旅游业碳排放问题的已有研究大体可以分为三类：① 旅游业碳排放量的核算及其影响因素。这方面的研究成果颇多,例如,G?ssling首次测算了全球旅游业的碳排放量,结果显示,2001年旅游业的碳排放量占全球碳排放总量的5.3%^[2];Peeters等的测算结果表明旅游业引起了全球4.4%的碳排放,且在2035年以前仍将以年均3.2%的速度递增^[3];韩元军等借鉴“旅游消费剥离系数”概念,得出2009-2011年北京、山东、浙江、湖北、海南五个中国代表性省份旅游业的碳排放总量持续攀升,从4980.45万t增加到6586.77万t,增长了32.85%的论断^[4];王凯等利用LMDI分解法探讨了产业规模、空间结构、能源强度、产业结构等对旅游业碳排放的作用^[5]。② 旅游业碳强度及碳排放效率。学术界目前对旅游业的碳强度问题尚未形成一致意见。旅游消费活动通常被认为具有低能耗、低排放的特点,在应对气候变化和节能减排方面优势明显^[6];而G?ssling认为旅游活动是奢侈消费,碳强度高于日常生活,因而具有高碳属性^[7];查建平对中国30个省区低碳旅游发展效率的测度结果显示,全国低碳旅游发展效率处于较低水平,对应无效率值较高^[8];王坤等的研究表明,中国旅游业碳排放效率呈现缓慢提升态势,但总体水平仍较低^[9]。③ 旅游发展与碳排放之间的关系研究。例如,Lee等对欧洲国家的旅游业、碳排放和经济增长的研究表明三者之间存在长期协整关系,且旅游业会抑制碳排放的产生^[10];而Zaman等的研究则证实了旅游发展对碳排放会产生显著的积极影响^[11];王凯等的研究结果表明中国旅游经济增长与碳排放之间存在着长期的均衡关系^[12]。
研究方法上,当前对经济发展与环境质量之间的影响关系研究最具解释力的理论莫过于环境库兹涅茨曲线（EKC）^[13,14,15]。自Grossman等在1991年提出环境库兹涅茨曲线假说^[16],认为环境污染程度随人均收入增长而呈现出“先恶化后改善”的规律后,大量****从不同层面使用不同指标验证了经济发展与环境质量之间的倒“U”型曲线关系^[17,18,19]。随后,该方法也被应用于各个领域来检验某个因素与环境污染之间的影响关系^[20,21,22]。但是,现有有关经济发展与碳排放的EKC探讨主要是针对工业和农业领域,对于旅游发展与碳排放之间的影响研究则较为薄弱。随着“大众旅游”时代的到来以及旅游交通便利化程度的提高,旅游业进入全面扩张时期,其低碳化发展已成为中国低碳经济发展的重要组成部分。那么,旅游业碳排放效应是否以及在多大程度上能够推进节能减排目标的实现?在引入旅游发展特征变量后,区域经济增长与环境污染之间的演进轨迹是否发生变化?对这些问题的科学回答和有效解决,无疑是一个重要的现实命题。
鉴于此,选取1995-2015年中国省际面板数据,利用IPCC提出的清单编制法测算各省区碳排放量,并基于简化的二次环境库兹涅茨曲线回归方程建立考虑旅游发展变量的碳排放环境库兹涅茨曲线理论模型,探析旅游发展对区域碳排放的影响,以期为低碳旅游经济发展研究提供一个全新的视角,同时也可为中国节能减排战略的有序推进提供更具针对性的科学依据。

2 研究方法与数据来源

2.1 研究方法

2.1.1 区域碳排放量计算方法 常用的碳排放测算方法主要有清单编制法、实测法、生命周期法、物料核算法、模型法等^[23,24,25]。由于化石燃料的燃烧是碳排放的主要来源,本文根据2006年《IPCC国家温室气体清单指南》提供的清单编制方法,结合中国的实际情况,选取焦炭、煤炭、原油、柴油、煤油、汽油、燃料油、天然气等8类主要化石能源,对1995-2015年中国大陆30个省、自治区、直辖市（以下简称“省区”。由于数据缺失,不包括西藏自治区、香港特别行政区、澳门特别行政区和台湾省）的碳排放状况进行核算。表达式如下：
I=∑i=18(CO2)i=∑i=18Ei×ei×Pi×44/12（1）
式中：I为各类化石能源CO₂排放总量;E_i为第i类化石能源的消费量;e_i为第i类化石能源的标准煤折算系数;P_i为第i类化石能源的碳排放系数,根据《IPCC2006国家温室气体清单指南》中提供的缺省值计算得到,焦炭、煤炭、原油、柴油、煤油、汽油、燃料油和天然气的碳排放系数分别为0.8550、0.7559、0.5857、0.5921、0.5714、0.5538、0.6185、0.4483;44/12是CO₂与碳的分子量之比。
2.1.2 模型设定与变量选取 环境库兹涅茨曲线是Grossman等^[16]借鉴Kuznets^[26]关于收入分配与经济增长之间的倒“U”型曲线假说提出的概念,用于衡量经济发展对环境质量的影响,认为环境污染水平会随经济增长先上升后下降,呈现出倒“U”型的曲线关系,已被广泛应用于验证不同污染物排放与经济增长的关系。本文参考Stern^[27,28]对于EKC的修正模型,采用简化的二次环境库兹涅茨曲线回归方程进行估计,如下式所示：
PCO2=α+β1(GDPPCit)+β2(GDPPCit)2+∑j=1kδj(Xjt)+eit（2）
式中：PCO₂表示区域人均CO₂的排放量; α表示截距项;GDPPC为人均国内生产总值;矩阵X表示其他作为控制变量的社会经济影响因素;e_it为模型随机干扰项;β₁、β₂为模型参数;i代表特定的省份;t代表不同的时期。
为考察旅游发展对区域人均CO₂排放量的影响,借鉴Arbulú等对旅游增长与城市固体废弃物关系的研究^[29],引入两个旅游发展特征变量以及一个虚拟变量对式（2）进行扩展（表1）。其中,以旅游接待人次（TUR）表征旅游发展规模,以人均旅游消费支出（TUREXPIND）表征旅游发展质量,并引入两者的二次项考察其与区域人均CO₂排放量之间可能存在的非线性关系。另外,由于区域间旅游资源富集程度和经济发展水平存在差距,中国区域旅游发展水平不平衡,为了更好地体现不同旅游专业化水平对EKC的影响,避免因直接分段回归所导致的样本容量的减少和精度的降低,以旅游总收入相当于GDP的比例（旅游总收入/GDP）表征旅游专业化水平,引入虚拟变量（D）如下：如果某区域旅游专业化水平高于全国平均水平,虚拟变量取1,否则取0。最后,为避免变量遗漏所造成的内生性偏误,参考有关EKC问题研究^[29,30],引入贸易开放程度（TRADE）、失业率（UNEMP）、受教育程度（EDU）和城市化水平（URB）等控制变量,考察宏观社会经济环境对区域人均CO₂排放量的影响。
Tab. 1
表1
表1模型变量说明
Tab. 1Description of variables in the model

变量符号	名称	变量说明
PCO2	人均CO2	CO2/年末总人口（kg/人）
α	截距项	-
GDPPC	人均GDP	实际人均GDP（元）
TUR	旅游接待人次	旅游接待总人次（万人次）
TUREXPIND	人均旅游消费	旅游收入/旅游接待人次（元/人）
D	虚拟变量-旅游专业化水平	旅游专业化水平高于全国平均水平时等于1
TRADE	贸易开放程度	进出口总额占GDP比例（%）
UNEMP	失业率	城镇登记失业率（%）
EDU	受教育程度	每万人口中在校高中生占比（%）
URB	城市化水平	城镇人口占总人口比重（%）

新窗口打开
为深入探讨区域旅游发展的碳排放效应及其对EKC形状或拐点的影响,本文共建立了4个不同的模型进行比较分析：模型（1）为经典的环境库兹涅茨模型,仅包含人均GDP（GDPPC）及其平方项;模型（2）中加入了贸易开放程度（TRADE）、失业率（UNEMP）和受教育程度（EDU）等控制变量;模型（3）是在模型（2）的基础上加入旅游接待人次（TUR）和人均旅游消费（TUREXPIND）等旅游发展变量的模型;模型（4）是最完整的模型,其在模型（3）的基础上以乘法形式引入了旅游专业化水平的一系列虚拟变量及其交叉项。为避免数据间可能存在的异方差以及考虑到各序列间的协整关系,将各模型形式设定为部分对数形式。

2.2 数据来源

本文使用中国大陆30个省区1995-2015年的面板数据。其中,碳排放量计算的相关数据来源于《中国能源统计年鉴》(1996-2016年)以及《新中国60年资料汇编》,部分化石能源消费数据统计不完整,根据其前后年份数据进行插值获取;因重庆市在1997年之前隶属于四川省,其1995-1996年的碳排放量采用人口占比分配法^[31]将计算获得的原四川省的碳排放量分摊到重庆市和四川省;宏观社会经济及旅游发展数据来源于1996-2016年度国家有关部门的统计数据以及相关统计公报等,主要包括《中国统计年鉴》《中国教育统计年鉴》《中国人口和就业统计年鉴》《中国国内旅游抽样调查资料》《入境游客抽样调查资料》《中国旅游统计年鉴》（及其副本）以及各省区旅游业年度统计公报等;各省区历年GDP总量换算成1995年的不变价,旅游收入以1995年为价格基期,采取1996-2016年《第三产业统计年鉴》的价格指数进行修正,剔除了通货膨胀的影响因素。

3 结果分析

本文选择数据具有20年的跨度,因而需考虑各面板序列的平稳性与协整关系。首先,使用LLC检验和ADF检验两种方法对面板数据进行包含有常数项和趋势项的单位根检验,结果显示所有变量均一阶单整;同时,Kao协整检验在5%的显著性水平下拒绝了变量之间不存在协整关系的原假设,据此可以判定各变量之间存在稳定的均衡关系,可以进行回归分析。其次,Hausman检验结果显示,所有模型确定选用固定效应模型;比较分析发现,变截距模型拟合效果优于变系数模型,因此建立区域碳排放量与各解释变量之间的固定影响变截距模型。此外,由于本文的截面个体数远大于研究时段数,因而在对面板数据进行估计时,为尽可能得到稳定的参数估计值,采用加权最小二乘法进行估计以纠正截面个体的截面异方差性。所有模型回归结果见表2。
Tab. 2
表2
表2EKC模型回归结果
Tab. 2Estimation results of EKC models

Variables	Model 1			Model 2			Model 3			Model 4
	Cofficient	t-Statistic		Cofficient	t-Statistic		Cofficient	t-Statistic		Cofficient	t-Statistic
c	-5.157***	-4.640		-3.063***	-2.692		-6.397***	-5.282		-4.664***	-3.278
LNGDPPC	2.257***	9.492		1.879***	7.637		2.046***	8.194		2.072***	6.613
LNGDPPC^2	-0.084***	-6.602		-0.070***	-5.508		-0.075***	-5.216		-0.061***	-3.995
UNEMP				-0.062***	-4.473		-0.081***	-6.536		-0.085***	-6.893
EDU				-0.061**	-2.065		-0.067**	-2.556		-0.058**	-2.190
TRADE				-0.170***	-3.516		-0.226***	-5.217		-0.229***	-5.276
URB				2.113***	6.629		2.185***	6.956		2.285***	7.294
LNTUR							-0.593***	-6.948		-0.479***	-5.047
LNTUR^2							0.047***	10.551		0.039***	6.697
LNTUREXPIND							0.635***	3.104		0.522**	2.398
LNTUREXPIND^2							-0.037**	-2.114		-0.029*	-1.538
D*LNTUR										-0.954***	-4.084
D*LNTUR^2										0.053***	4.193
D*LNTUREXPIND										1.238***	3.841
D*LNTUREXPIND^2										-0.090***	-3.702
Adjusted R-squared	0.823			0.848			0.884			0.888
F值	134.130			120.900			135.360			123.530

注：^*、^**、^***分别表示在10%、5%、1%的显著性水平上显著。
新窗口打开
由表2可知,4个回归方程调整后的R²均在0.823以上,所有系数均通过了t检验,说明模型拟合优度较好;F值远大于临界值,说明回归方程显著,建立的模型具有代表性。从模型（1）和模型（2）的回归结果看,人均GDP（GDPPC）的一次方和二次方项均通过了α=0.05的显著性检验,且一次项系数为正,二次项系数为负,说明以本文选择的样本和环境质量衡量标准进行的实证检验中,区域人均CO₂与人均GDP之间存在显著的环境库兹涅茨倒“U”型曲线关系,这与中国多数省际面板数据研究^[32,33]的结论相似。其次,除城市化水平（URB）系数为正外,其余3个控制变量的系数均为负,且均通过显著性检验,表明失业率（UNEMP）、受教育程度（EDU）、贸易开放程度（TRADE）和城市化水平（URB）对环境污染作用明显,且城市化水平（2.113）的提高会增加区域人均CO₂排放,而受教育程度（-0.061）、失业率（-0.062）和贸易开放程度（-0.170）则有利于降低区域人均CO₂的排放,其中,贸易开放程度的减排作用最为明显。因此,一方面,各省区可以合理利用外商直接投资,加大对低碳技术的引进力度,在引进外资时杜绝“高投资、高消耗、高污染”的项目,选择符合当地资源禀赋要求、市场前景好和吸纳就业能力强的项目;另一方面,政府应坚持国家新型城镇化规划中“集约、智能、绿色、低碳”的发展思路,积极推进中国“生态低碳城市规划”的实施进程。
从模型（3）的回归结果看,加入各旅游发展特征变量后模型的拟合优度从0.848提高到了0.884,表明旅游接待人次（TUR）、人均旅游消费（TUREXPIND）及其平方项显著提升了模型的解释力度。其中,旅游接待人次的系数为负且显著,其平方项的系数为正且显著,表明旅游接待人次与区域人均CO₂排放量之间呈现显著的正“U”型曲线关系（图1^① (① 因EKC理论只涉及收入对环境的影响,在EKC的2D图形中,旅游接待人次对人均CO₂排放量的影响只表现为对环境库兹涅茨曲线截距的影响,为了更好地捕捉旅游发展对人均CO₂排放量的影响,使用3D效果图形。)）。这主要是因为在区域旅游业发展初期,随着旅游接待人次的不断增加,游客的规模效应逐步突显,资源利用率提高,从而表现出随着旅游接待人次的增加,人均CO₂排放量反而减少的现象;中后期,随着旅游接待规模的持续扩大,由此产生的CO₂排放量超过区域生态环境承载力的最大阀值,从而表现出旅游接待人次增加的同时,人均CO₂排放量亦随之增加的特征。人均旅游消费的系数为正且显著,其平方项的系数为负且显著,表明人均旅游消费与区域人均CO₂排放量之间呈现显著的倒“U”型曲线关系（图2）,这主要是因为区域人均旅游消费水平较低时,旅游者对旅游产品的经济性要求较高,旅游消费以环境污染较大的“食、住、行”产品为主,因此,区域人均CO₂排放量会随着人均旅游消费的增长而增加。但当人均旅游消费上升到一定阶段,旅游者对旅游地生态环境的舒适度越发关注,愿意为高质量的生态环境支付成本,加上环境管制的加强和技术的进步,旅游企业也更愿意开发与利用高品质的低碳旅游产品,旅游消费结构趋向绿色环保,因而区域人均CO₂排放量会随着人均旅游消费的增长而减少。
显示原图|下载原图ZIP|生成PPT
图1不同旅游接待人次下的人均CO₂环境库兹涅茨曲线
-->Fig. 1Simulation of the EKC on PCO₂ for different levels of tourist arrivals
-->

显示原图|下载原图ZIP|生成PPT
图2不同旅游消费水平下的人均CO₂环境库兹涅茨曲线
-->Fig. 2Simulation of the EKC on PCO₂ for different levels of tourist expenditure index
-->

模型（4）考察的是区域旅游专业化水平对EKC的影响。从其估算结果可以发现,旅游专业化水平会对EKC的位置和形状产生显著影响,具体表现为控制其他解释变量为其平均数值时,旅游专业化水平的提高会使得EKC向下方移动（图3）,即旅游总收入相当于GDP的比例越高,区域人均CO₂排放量越低。由此可见,旅游业相对于碳排放量较大的工、农业,是典型的资源节约和环境友好型产业,在应对气候变化、节能减排和产业替代方面优势明显。因此,发挥产业优势、把旅游业作为国民经济的战略性支柱产业培育是符合绿色发展观的科学选择。值得注意的是,旅游发展对区域人均CO₂排放量的影响也会随旅游专业化水平的提高而有所不同,具体表现在高旅游专业化区域旅游接待人次与人均CO₂排放量之间关系的转折点相对较高（图4）,而其人均旅游消费与人均CO₂排放量之间关系的转折点则相对较低（图5）。这主要是由于高旅游专业化区域一方面可以提高旅游企业专业化水平与优势资源的配置效率,另一方面可以通过拓宽有效市场规模而实现本地旅游企业的规模经济,从而使其区域旅游承载力更大,同时在人均旅游消费相同的情况下企业更愿意支付环境保护成本,加大对环境友好型产品的开发与利用,环境质量得到改善。因此,可以结合全域旅游发展战略,以转型升级、提质增效为主线,促进旅游与农业、林业、文化等相关产业和行业融合发展,延伸旅游产业链,提高旅游专业化水平,以改变EKC曲线的形状与位置,使曲线趋于平缓,让拐点提前到来。
显示原图|下载原图ZIP|生成PPT
图3不同旅游专业化水平下的人均CO₂环境库兹涅茨曲线
-->Fig. 3Simulation of the EKC on PCO₂ for different degrees of tourist specialization
-->

显示原图|下载原图ZIP|生成PPT
图4不同旅游专业化水平下旅游接待人次与人均CO₂排放量拟合曲线
-->Fig. 4Simulation of the impact of tourist arrivals on PCO₂ for different specialization levels
-->

显示原图|下载原图ZIP|生成PPT
图5不同旅游专业化水平下人均旅游消费与人均CO₂排放量拟合曲线
-->Fig. 5Simulation of the impact of tourist expenditure index on PCO₂ for different specialization levels
-->

4 结论与讨论

（1）区域经济增长与人均CO₂排放量之间呈现出明显的倒“U”型关系,环境库兹涅茨曲线假说成立;失业率、受教育程度、贸易开放程度和城市化水平对人均CO₂排放量的作用显著,且城市化水平（2.113）的提高会增加人均CO₂排放量,而受教育程度（-0.061）、失业率（-0.062）和贸易开放程度（-0.170）的提升有利于降低人均CO₂排放量,其中贸易开放程度的减排作用最为明显。
（2）旅游发展对区域碳排放的影响显著,具体表现为：旅游接待人次与人均CO₂排放量拟合曲线呈正“U”型,而人均旅游消费与人均CO₂排放量呈现典型的倒“U”型曲线良性发展状态。此外,加入旅游发展特征变量后模型的拟合优度从0.848提高到了0.884,模型的解释力度显著提升。由此可见,以往有关环境库兹涅茨曲线的研究中,旅游发展变量在EKC模型框架中的遗漏,会使得模型估计结果出现偏差。
（3）旅游专业化水平对EKC的峰值和位置产生显著影响,控制其他解释变量为其平均数值时,旅游专业化水平的提高会使得EKC向下方移动,区域经济发展的环境压力得以减轻;同时,旅游发展对人均CO₂排放量的影响也会随旅游专业化水平的提高而有所不同,具体表现为高旅游专业化区域旅游接待人次与人均CO₂排放量之间关系的转折点相对较高,而其人均旅游消费与人均CO₂排放量之间关系的转折点则相对较低。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	WTTC. Leading the Challenge on Climate Change . London: World Travel & Tourism Council, 2009.URL [本文引用: 1]
[2]	G?ssling S.Global environmental consequences of tourism . Global Environmental Change, 2002, 12(4): 283-302.https://doi.org/10.1016/S0959-3780(02)00044-4URL [本文引用: 1]摘要 In 2000, almost 700 million international tourist arrivals were counted worldwide. Even though a global activity of this scale can be assumed to have a substantial impact on the environment, its consequences have never been assessed and quantified. In this contribution, five major aspects of the leisure-related alteration of the environment are investigated: (1) the change of land cover and land use, (2) the use of energy and its associated impacts, (3) the exchange of biota over geographical barriers and the extinction of wild species, (4) the exchange and dispersion of diseases, and (5), a psychological consequence of travel, the changes in the perception and the understanding of the environment initiated by travel.
[3]	Peeters P, Dubois G.Tourism travel under climate change mitigation constraints . Journal of Transport Geography, 2010, 18(3): 447-457.https://doi.org/10.1016/j.jtrangeo.2009.09.003URL [本文引用: 1]摘要 The paper first describes an inventory for 2005 giving the tourism related CO 2 emission caused by global tourism, and presents a 30-year projection and a 45-year simulation. The study found that tourists cause 4.4% of global CO 2 emissions. Also these emissions are projected to grow at an average rate of 3.2% per year up to 2035. This increase is problematic as globally a reduction of emissions by 3–6% is required to avoid ‘dangerous’ climate change. Using contemporary scenario techniques it appeared difficult to find a future tourist travel system consistent with CO 2 emission reductions of up to 70% by 2050 with respect to 2005. Based on the model underlying the 30-year projection, 70 scenarios are presented in a ‘landscape’ graph exploring the effect of opportunities to reduce the emissions, but this attempt did not reach the large reductions envisaged. We therefore explored automated scenario generation as a way to define backcasting scenarios that both reach the emission reduction target and retain the highest possible economic value for the sector. The main contributions made by this study are (1) in comparing the value of different ways to approach a (desired) future and (2) giving insight into the kind of structural changes required within tourism and tourism transport in case very strong emission reductions are required. Finally the model showed signs of ‘complex’ behaviour.
[4]	韩元军, 吴普, 林坦. 基于碳排放的代表性省份旅游产业效率测算与比较分析 . 地理研究, 2015, 34(10): 1957-1970.https://doi.org/10.11821/dlyj201510013URL [本文引用: 1]摘要 借鉴"旅游消费剥离系数"概念对中国五省份旅游业碳排放量进行了测度,然后利用传统DEA模型和非期望产出DEA模型,结合碳排放指标,评价了五省份旅游产业效率,并进行了比较分析.研究发现:2009-2011年海南省旅游业碳排放总量始终最低,湖北增长幅度最大,而北京是唯一的总量逐年下降地区,2009-2011年海南旅游业人均碳排放量是最高的,北京、海南人均总量逐年下降;不考虑碳排放下,2009-2011年中国五省份综合效率及其分解效率总体水平较高,符合地区将旅游业作为支柱产业予以高度重视的实际;与不考虑碳排放相比,考虑碳排放的五省份旅游产业效率发生了不同程度的变动,特别是,旅游综合技术效率从2009年的下降或不变状态向2010-2011年的复杂不规律状态转变,这是由纯技术效率和规模效率联合效应决定的.未来各地区需要协调好旅游节能减排与资源优化配置工作,基于地方技术、市场势力适时提升旅游产业效率. [Han Yuanjun, Wu Pu, Lin Tan.Regional tourism industry efficiency measurement and comparative analysis based on carbon emissions . Geographical Research, 2015, 34(10): 1957-1970.]https://doi.org/10.11821/dlyj201510013URL [本文引用: 1]摘要 借鉴"旅游消费剥离系数"概念对中国五省份旅游业碳排放量进行了测度,然后利用传统DEA模型和非期望产出DEA模型,结合碳排放指标,评价了五省份旅游产业效率,并进行了比较分析.研究发现:2009-2011年海南省旅游业碳排放总量始终最低,湖北增长幅度最大,而北京是唯一的总量逐年下降地区,2009-2011年海南旅游业人均碳排放量是最高的,北京、海南人均总量逐年下降;不考虑碳排放下,2009-2011年中国五省份综合效率及其分解效率总体水平较高,符合地区将旅游业作为支柱产业予以高度重视的实际;与不考虑碳排放相比,考虑碳排放的五省份旅游产业效率发生了不同程度的变动,特别是,旅游综合技术效率从2009年的下降或不变状态向2010-2011年的复杂不规律状态转变,这是由纯技术效率和规模效率联合效应决定的.未来各地区需要协调好旅游节能减排与资源优化配置工作,基于地方技术、市场势力适时提升旅游产业效率.
[5]	王凯, 肖燕, 李志苗, 等. 中国旅游业CO2排放因素分解:基于LMDI分解技术 . 旅游科学, 2016, 30(3):13-27.https://doi.org/10.3969/j.issn.1006-575X.2016.03.002URL [本文引用: 1]摘要 本文基于＂自下而上＂法估算了1993~2012年中国旅游业能源消费和CO_2排放量,并对其总体变化趋势进行时间序列分析;以LMDI分解技术辨识与分解4个时段（1993~1997年、1998~2002年、2003~2007年和2008~2012年）中影响中国旅游业CO_2排放量变动的关键因素及其对CO_2排放量的贡献值。结果显示：20年来中国旅游业能源消费与CO_2排放量增长态势明显;其中旅游交通是中国旅游业能源消费和CO_2排放的核心部门,年平均比重分别为88.51%和77.42%,旅游住宿次之,旅游活动的贡献最小。LMDI分析结果显示,产业规模和空间结构是引起中国旅游业能源消费CO_2排放量增加的主要因素,能源强度是引起CO_2排放量减少的主要贡献因素;旅游业CO_2排放量增幅较大的省区多数位于东部地区,这是当前中国旅游业实行节能减排的重点区域。本文据此指出中国旅游业节能减排的主要方向、核心环节、重点区域和相应措施等。 [Wang Kai, Xiao Yan, Li Zhimiao, et al.Decomposition of China's tourism carbon emissions: Based on LMDI method . Tourism Science, 2016, 30(3): 13-27.]https://doi.org/10.3969/j.issn.1006-575X.2016.03.002URL [本文引用: 1]摘要 本文基于＂自下而上＂法估算了1993~2012年中国旅游业能源消费和CO_2排放量,并对其总体变化趋势进行时间序列分析;以LMDI分解技术辨识与分解4个时段（1993~1997年、1998~2002年、2003~2007年和2008~2012年）中影响中国旅游业CO_2排放量变动的关键因素及其对CO_2排放量的贡献值。结果显示：20年来中国旅游业能源消费与CO_2排放量增长态势明显;其中旅游交通是中国旅游业能源消费和CO_2排放的核心部门,年平均比重分别为88.51%和77.42%,旅游住宿次之,旅游活动的贡献最小。LMDI分析结果显示,产业规模和空间结构是引起中国旅游业能源消费CO_2排放量增加的主要因素,能源强度是引起CO_2排放量减少的主要贡献因素;旅游业CO_2排放量增幅较大的省区多数位于东部地区,这是当前中国旅游业实行节能减排的重点区域。本文据此指出中国旅游业节能减排的主要方向、核心环节、重点区域和相应措施等。
[6]	石培华, 冯凌, 吴普. 旅游业节能减排与低碳发展: 政策技术体系与实践工作指南. 北京: 中国旅游出版社, 2010. [本文引用: 1] [Shi Peihua, Fengling, Wu Pu.Energy saving, Emission Reduction and Low Carbon Development in Tourism: A Guide to Policy Technology System and Practice. Beijing: China Travel & Tourism Press, 2010.] [本文引用: 1]
[7]	G?ssling S, Hall M.Swedish tourism and climate change mitigation: An emerging conflict? . Scandinavian Journal of Hospitality and Tourism, 2008, 8(2): 141-158.https://doi.org/10.1080/15022250802079882URL [本文引用: 1]摘要 Sweden has been one of the driving forces in establishing the new post yoto agreement of the European Union (EU), with the goal of achieving a 20% reduction of greenhouse gases by 2020 over the base year 1990. The Swedish national goal of emission reductions has been set even higher. Global tourism has recently been identified as an economic sector contributing significantly to emissions of greenhouse gases, particularly through transport, but there are as yet few comprehensive studies assessing its role in global warming on a national basis. In the light of this, this paper seeks to provide an estimate of emissions from tourism in Sweden, showing that these account for about 10% of Swedish emissions, and increase rapidly. National emission reduction goals are thus in stark contrast to emission growth in the tourism sector, but this is not addressed in the government's climate strategy. The paper concludes that it may be highly relevant for governments to consider emissions from tourism, and particularly aviation, in climate policy.
[8]	查建平. 中国低碳旅游发展效率、减排潜力及减排路径 . 旅游学刊, 2016, 31(9): 101-112.https://doi.org/10.3969/j.issn.1002-5006.2016.09.021URLMagsci [本文引用: 1]摘要 文章依据2005—2012年中国30个省（自治区/直辖市）旅游业的投入、产出及碳排放数据，参照SBM方向距离函数，构建考虑环境因素的旅游产业发展效率评估模型，对2005—2012年中国30个省（自治区/直辖市）低碳旅游发展效率及减排潜力进行了测度。在此基础上，运用对数平均权重Divisia分解法对旅游业碳排放强度进行了分解，进而对我国省级旅游产业减排路径做出分析与解读。研究表明，我国低碳旅游发展效率处于较低水平，对应无效率值较高，且无效率值在整体上呈现出“先上升、后下降”的态势；中部地区低碳旅游发展效率最高，对应无效率均值为0.178，其次为东部（0.195）、西部（0.414），而旅游业产出不足是三大区域旅游业无效率的主因；东部旅游业碳减排潜力最高，其次为中部、西部；受产出无效率、节能技术进步、减排技术进步及碳排放无效率等4个因素驱动，我国省级旅游业碳排放强度变化主要呈现出上升型，下滑型，先上升、后下滑型3种形态，不同省份旅游业对应驱动因素的作用方向与作用力度存在一定差异，其中产出无效率是多数省份旅游业碳排放强度变化的主因。最后，提出了4种减排路径，即旅游产出无效率缩减路径、节能技术进步路径、减排技术进步路径以及碳排放无效率缩减路径等，并依据4项驱动因素作用方向及力度差异，对各省（自治区/直辖市）旅游业碳减排路径次序等级做出设定。 [Zha Jianping.Reducing carbon emissions in China's tourism industry . Tourism Tribune, 2016, 31(9): 101-112.]https://doi.org/10.3969/j.issn.1002-5006.2016.09.021URLMagsci [本文引用: 1]摘要 文章依据2005—2012年中国30个省（自治区/直辖市）旅游业的投入、产出及碳排放数据，参照SBM方向距离函数，构建考虑环境因素的旅游产业发展效率评估模型，对2005—2012年中国30个省（自治区/直辖市）低碳旅游发展效率及减排潜力进行了测度。在此基础上，运用对数平均权重Divisia分解法对旅游业碳排放强度进行了分解，进而对我国省级旅游产业减排路径做出分析与解读。研究表明，我国低碳旅游发展效率处于较低水平，对应无效率值较高，且无效率值在整体上呈现出“先上升、后下降”的态势；中部地区低碳旅游发展效率最高，对应无效率均值为0.178，其次为东部（0.195）、西部（0.414），而旅游业产出不足是三大区域旅游业无效率的主因；东部旅游业碳减排潜力最高，其次为中部、西部；受产出无效率、节能技术进步、减排技术进步及碳排放无效率等4个因素驱动，我国省级旅游业碳排放强度变化主要呈现出上升型，下滑型，先上升、后下滑型3种形态，不同省份旅游业对应驱动因素的作用方向与作用力度存在一定差异，其中产出无效率是多数省份旅游业碳排放强度变化的主因。最后，提出了4种减排路径，即旅游产出无效率缩减路径、节能技术进步路径、减排技术进步路径以及碳排放无效率缩减路径等，并依据4项驱动因素作用方向及力度差异，对各省（自治区/直辖市）旅游业碳减排路径次序等级做出设定。
[9]	王坤, 黄震方, 曹芳东. 中国旅游业碳排放效率的空间格局及其影响因素 . 生态学报, 2015, 35(21): 7150-7160.https://doi.org/10.5846/stxb201402260334URLMagsci [本文引用: 1]摘要 旅游业碳排放效率作为旅游业绿色全要素生产率指标,是衡量旅游业碳排放与旅游经济增长之间关系的重要工具。借助SBM模型测算了中国省际旅游业碳排放效率,并利用ESDA和GWR方法分析了旅游业碳排放效率的空间格局及其影响因素的时空异质性。结果表明:中国旅游业碳排放效率呈现缓慢提升态势,但总体水平仍较低。旅游业碳排放效率的空间集聚特征明显,形成了以上海为中心的高值集聚区和以西北省份为中心的低值集聚区。旅游业碳排放效率及其空间格局演化是多因素共同作用的结果,旅游经济规模对中西部地区旅游业碳排放效率的提升作用较强;城镇化的促进作用逐步减弱,且在多数省份开始产生抑制作用;技术效应的提升作用高值区从中东部转移至华北和东北地区;旅游业产权结构对南部地区的推动作用也逐步凸显;结构效应主要对西南地区起促进作用。这为优化和提升旅游业碳排放效率提供了理论依据。 [Wang Kun, Huang Zhenfang, Cao Fangdong.Spatial pattern and influencing factors of carbon dioxide emissions efficiency of tourism in China . Acta Ecologica Sinica, 2015, 35(21): 7150-7160.]https://doi.org/10.5846/stxb201402260334URLMagsci [本文引用: 1]摘要 旅游业碳排放效率作为旅游业绿色全要素生产率指标,是衡量旅游业碳排放与旅游经济增长之间关系的重要工具。借助SBM模型测算了中国省际旅游业碳排放效率,并利用ESDA和GWR方法分析了旅游业碳排放效率的空间格局及其影响因素的时空异质性。结果表明:中国旅游业碳排放效率呈现缓慢提升态势,但总体水平仍较低。旅游业碳排放效率的空间集聚特征明显,形成了以上海为中心的高值集聚区和以西北省份为中心的低值集聚区。旅游业碳排放效率及其空间格局演化是多因素共同作用的结果,旅游经济规模对中西部地区旅游业碳排放效率的提升作用较强;城镇化的促进作用逐步减弱,且在多数省份开始产生抑制作用;技术效应的提升作用高值区从中东部转移至华北和东北地区;旅游业产权结构对南部地区的推动作用也逐步凸显;结构效应主要对西南地区起促进作用。这为优化和提升旅游业碳排放效率提供了理论依据。
[10]	Lee J W, Brahmasrene T.Investigating the influence of tourism on economic growth and carbon emissions: Evidence from panel analysis of the European Union . Social Science Electronic Publishing, 2013, 38(13): 69-76.https://doi.org/10.1016/j.tourman.2013.02.016URL [本文引用: 1]摘要 The study investigates the influence of tourism on economic growth and CO2 emissions. In the empirical analysis, unit root and cointegration tests using panel data of European Union countries from 1988 to 2009 are performed to examine the long-run equilibrium relationship among tourism, CO2 emissions, economic growth and foreign direct investment (FDI). Results from panel cointegration techniques and fixed-effects models indicate that a long-run equilibrium relationship exists among these variables. Furthermore, tourism, CO2 emissions and FDI have high significant positive effect on economic growth. Economic growth, in turn, shows a high significant positive impact on CO2 emissions while tourism and FDI incur a high significant negative impact on CO2 emissions.
[11]	Zaman K, Shahbaz M, Loganathan N, et al.Tourism development, energy consumption and Environmental Kuznets Curve: Trivariate analysis in the panel of developed and developing countries . Tourism Management, 2016, 54: 275-283.https://doi.org/10.1016/j.tourman.2015.12.001URL [本文引用: 1]摘要 The study investigates the relationship between economic growth, carbon dioxide emissions, tourism development, energy demand, domestic investment and health expenditures with an aim to test the validity of the Environmental Kuznets Curve (EKC) hypothesis in the panel of three diversified World's region including East Asia & Pacific, European Union and High income OECD and Non-OECD countries. The study covers the period of last nine years i.e. 2005–2013. The study used the principal component analysis (PCA) to construct tourism development index which is the amalgamation of number of tourists' arrivals, tourism receipts and international tourism expenditures. The results validate the inverted U-shaped relationship between carbon emissions and per capita income in the region. The results further substantiate the following causal relationships i.e. i) tourism-induced carbon emissions, ii) energy-induced emissions, iii) investment – induced emissions, iv) growth led tourism, v) investment led tourism and vi) health led tourism development in the region.
[12]	王凯, 李娟, 席建超. 中国旅游经济增长与碳排放的耦合关系研究 . 旅游学刊, 2014, 29(6): 24-33.https://doi.org/10.3969/j.issn.1002-5006.2014.06.003URLMagsci [本文引用: 1]摘要 <p>厘清旅游经济增长与能源消费及CO2排放之间的关系对于实现增长前提下的低碳旅游发展意义重大。文章采用&ldquo;自下而上&rdquo;法,估算了1991~2010年中国旅游业的CO2排放量,并运用脱钩理论、ADF单位根检验、协整分析以及Granger因果关系检验,辨识和分析了中国旅游经济增长与碳排放之间的耦合关系。实证研究结果表明,在研究样本区间内,中国旅游经济增长与CO2排放量除2003年为未脱钩以外,其余年份均处于相对脱钩状态;旅游经济增长与碳排放之间存在长期的协整关系;旅游经济增长构成CO2排放的Granger原因不显著,而CO2排放构成旅游经济增长的Granger原因较为显著,即存在从CO2排放到旅游经济增长的单向Granger因果关系。基于上述结论,提出相关政策建议。</p> [Wang Kai, Li Juan, Xi Jianchao.Linking between carbon dioxide emission and tourism economic growth in China . Tourism Tribune, 2014, 29(6): 24-33.]https://doi.org/10.3969/j.issn.1002-5006.2014.06.003URLMagsci [本文引用: 1]摘要 <p>厘清旅游经济增长与能源消费及CO2排放之间的关系对于实现增长前提下的低碳旅游发展意义重大。文章采用&ldquo;自下而上&rdquo;法,估算了1991~2010年中国旅游业的CO2排放量,并运用脱钩理论、ADF单位根检验、协整分析以及Granger因果关系检验,辨识和分析了中国旅游经济增长与碳排放之间的耦合关系。实证研究结果表明,在研究样本区间内,中国旅游经济增长与CO2排放量除2003年为未脱钩以外,其余年份均处于相对脱钩状态;旅游经济增长与碳排放之间存在长期的协整关系;旅游经济增长构成CO2排放的Granger原因不显著,而CO2排放构成旅游经济增长的Granger原因较为显著,即存在从CO2排放到旅游经济增长的单向Granger因果关系。基于上述结论,提出相关政策建议。</p>
[13]	Ghosh S.Electricity consumption and economic growth in India . Energy Policy, 2002, 30(2): 125-129.https://doi.org/10.1016/S0301-4215(01)00078-7URL [本文引用: 1]摘要 This paper tries to examine the Granger causality between electricity consumption per capita and Gross Domestic Product (GDP) per capita for India using annual data covering the period 1950–51 to 1996–97. Phillips–Perron tests reveal that both the series, after logarithmic transformation, are non-stationary and individually integrated of order one. This study finds the absence of long-run equilibrium relationship among the variables but there exists unidirectional Granger causality running from economic growth to electricity consumption without any feedback effect. So, electricity conservation policies can be initiated without deteriorating economic side effects.
[14]	Cheng B S, Lin T W.An investigation of co-integration and causality between electricity consumption and economic activity in Taiwan . Energy Economics, 1997, 19(4): 435-444.https://doi.org/10.1016/S0140-9883(97)01023-2URL [本文引用: 1]摘要 This paper reexamines the causality between energy consumption and economic growth with both bivariate and multivariate models by applying the recently developed methods of cointegration and Hsiao`s version of the Granger causality to transformed U.S. data for the period 1947-1990. The Phillips-Perron (PP) tests reveal that the original series are not stationary and, therefore, a first differencing is performed to secure stationarity. The study finds no causal linkages between energy consumption and economic growth. Energy and gross national product (GNP) each live a life of its own. The results of this article are consistent with some of the past studies that find no relationship between energy and GNP but are contrary to some other studies that find GNP unidirectionally causes energy consumption. Both the bivariate and trivariate models produce the similar results. We also find that there is no causal relationship between energy consumption and industrial production. The United States is basically a service-oriented economy and changes in energy consumption can cause little or no changes in GNP. In other words, an implementation of energy conservation policy may not impair economic growth. 27 refs., 5 tabs.
[15]	Alcantara V. Duarte R.Comparison of energy intensities in European Union countries: Results of a structural decomposition analysis . Energy Policy, 2004, 32(2): 177-189.https://doi.org/10.1016/S0301-4215(02)00263-XURL [本文引用: 1]摘要 This work proposes an input utput structural decomposition analysis model to identify the sources of the differences in the energetic intensities of the European Union countries. Given an economic structure, a determined composition of the final demand and determined direct energy intensities by countries, the work studies to what extent these factors explain the difference in aggregate energy intensities that are observed for different European Union countries. On the basis of this information, indicators are constructed by sectors and countries that allow us to identify the role that each sector or country plays as an energy consumer. The results show that the aggregate/total energy differences in Europe are strongly influenced by the direct energy intensity effect and by the demand effect, without the different economic structures of the countries being an important factor in the explanation of these differences. The metallurgical and manufacturing products sectors are identified as the most intensive in the aggregate energy intensity.
[16]	Grossman G E, Krueger A B. Environmental impacts of a North American Free Trade Agreement. NBER Working Paper 1991, No.3914. [本文引用: 2]
[17]	王西琴, 何芬, 张兵. 丽江市经济发展与环境污染水平的关系 . 地理研究, 2010, 29(5): 927-934. [本文引用: 1] [Wang Xiqin, He Fen, Zhang Bing.Study on the relationship between economic growth and environmental degradation of Lijiang city . Geographical Research, 2010, 29(5): 927-934.] [本文引用: 1]
[18]	陈祖海, 雷朱家华. 中国环境污染变动的时空特征及其经济驱动因素 . 地理研究, 2015, 34(11): 2165-2178.https://doi.org/10.11821/dlyj201511015URL [本文引用: 1]摘要 基于2003-2013年经济与环境污染数据,运用EKC模型、Moran's I指数、LMDI指数,将污染排放的经济因素分解为规模效应、结构效应、能源消费效应、能源开发效应、技术污染效应,探讨中国环境污染变动的时空特征。结果表明,中国环境污染总量未到达EKC曲线拐点,处于EKC曲线左侧。在时间维度上,规模效应加剧了环境污染恶化,其他效应的变化间接改善了环境状况。在空间维度上,规模效应的高值聚集区是东部地区;结构效应、能源消费效应、技术污染效应的高值聚集区主要是中西部地区,低值聚集区多为东部和东北地区;能源开发效应是全国范围的整体偏低。中国污染重心在113°E~115°E,32°N~34.5°N的区域内移动,以北京—吉林—广东—浙江等省份所构成的区域,受不同经济效应影响,在向东、向西之间"抉择移动"。 [Chen Zuhai, Leizhu Jiahua.The spatial-temporal characteristics and economic drivers of environmental pollution changes in China . Geographical Research, 2015, 34(11): 2165-2178.]https://doi.org/10.11821/dlyj201511015URL [本文引用: 1]摘要 基于2003-2013年经济与环境污染数据,运用EKC模型、Moran's I指数、LMDI指数,将污染排放的经济因素分解为规模效应、结构效应、能源消费效应、能源开发效应、技术污染效应,探讨中国环境污染变动的时空特征。结果表明,中国环境污染总量未到达EKC曲线拐点,处于EKC曲线左侧。在时间维度上,规模效应加剧了环境污染恶化,其他效应的变化间接改善了环境状况。在空间维度上,规模效应的高值聚集区是东部地区;结构效应、能源消费效应、技术污染效应的高值聚集区主要是中西部地区,低值聚集区多为东部和东北地区;能源开发效应是全国范围的整体偏低。中国污染重心在113°E~115°E,32°N~34.5°N的区域内移动,以北京—吉林—广东—浙江等省份所构成的区域,受不同经济效应影响,在向东、向西之间"抉择移动"。
[19]	Shahbaz M, Ozturk I, Afza T, et al.Revisiting the environmental Kuznets curve in a global economy . Renewable & Sustainable Energy Reviews, 2013, 25(9): 494-502.https://doi.org/10.1016/j.rser.2013.05.021URL [本文引用: 1]摘要 The present study deals with an empirical investigation between CO2 emissions, energy intensity, economic growth and globalization using annual data over the period of 1970-2010 for Turkish economy. We applied unit root test and cointegration approach in the presence of structural breaks. The direction of causality between the variables is investigated by applying the VECM Granger causality approach. Our results confirmed the existence of cointegration between the series. The empirical evidence reported that energy intensity, economic growth (globalization) increase (condense) CO2 emissions. The results also validated the presence of Environmental Kuznets curve (EKC). The causality analysis shows bidirectional causality between economic growth and CO2 emissions. This implies that economic growth can be boosted at the cost of environment.
[20]	闫兰玲, 徐海岚, 唐伟, 等.城市大气污染物排放与产业发展关系研究: 基于杭州市EKC曲线的实证分析 . 中国人口?资源与环境, 2014, 24(S2): 147-150. [本文引用: 1] [Yan Lanling, Xu Hailan, Tang Wei, et al.On the relationship between the atmospheric pollutant emission and industrial development based on EKC in Hangzhou. China Population , Resources and Environment, 2014, 24(S2): 147-150.] [本文引用: 1]
[21]	郭施宏, 高明. 城市土地经济密度与碳排放的EKC假说与验证: 基于省际静态与动态面板数据的对比分析 . 南京农业大学学报: 社会科学版, 2017, 17(1): 80-90.URL [本文引用: 1]摘要 在土地利用和碳排放方面的环境库兹涅茨曲线假说研究基础上,提出城市土地经济密度与碳排放之间的EKC假说。基于1995—2012年中国省际面板数据,分别构造静态面板模型和动态面板模型对假说进行验证。静态模型和动态模型估计结果均表明,城市土地经济密度与碳排放之间存在EKC的＂重组＂效应,二者呈现倒N型的曲线关系,曲线的极大值点出现在城市土地经济密度为180000万元/km2附近。动态模型估计的结果也表明碳排放具有明显的滞后效应。当前,除上海、浙江、福建、河北和江苏5个省（市）的城市碳排放量随着城市土地经济密度增长而降低外,大部分地区的城市需到2020年才能进入这一阶段。为此,要提升城市土地经济密度使城市尽早进入曲线的下降阶段,以及提高生产技术水平促使极大值点提前到来。 [Guo Shihong, Gao Ming.Hypothesis and validation on the environmental Kuznets curve relation between urban land economic density and carbon emissions: A comparative analysis of static panel data and dynamic panel data . Journal of Nanjing Agricultural University: Social Sciences Edition, 2017, 17(1): 80-90.]URL [本文引用: 1]摘要 在土地利用和碳排放方面的环境库兹涅茨曲线假说研究基础上,提出城市土地经济密度与碳排放之间的EKC假说。基于1995—2012年中国省际面板数据,分别构造静态面板模型和动态面板模型对假说进行验证。静态模型和动态模型估计结果均表明,城市土地经济密度与碳排放之间存在EKC的＂重组＂效应,二者呈现倒N型的曲线关系,曲线的极大值点出现在城市土地经济密度为180000万元/km2附近。动态模型估计的结果也表明碳排放具有明显的滞后效应。当前,除上海、浙江、福建、河北和江苏5个省（市）的城市碳排放量随着城市土地经济密度增长而降低外,大部分地区的城市需到2020年才能进入这一阶段。为此,要提升城市土地经济密度使城市尽早进入曲线的下降阶段,以及提高生产技术水平促使极大值点提前到来。
[22]	Javid M, Sharif F.Environmental Kuznets curve and financial development in Pakistan . Renewable & Sustainable Energy Reviews, 2016, 54: 406-414.https://doi.org/10.1016/j.rser.2015.10.019URL [本文引用: 1]摘要 In this study, we analyzed the effects of financial development, per capita real income, the square of per capita real income, per capita energy consumption and openness on per capita CO 2 emissions for Pakistan during 1972 2013. The bound F -test for cointegration yielded evidence of a long-term relationship among these variables. The results confirm the existence of an environmental Kuznets curve in Pakistan for both the short and long term. This finding indicates that at the initial stage of development, the level of CO 2 increases with income, and after some threshold level of income, this relationship may change from positive to negative as more efficient infrastructure and energy-efficient technology are implemented during the development process of the country. The findings of this study also reveal a significantly positive sign for the coefficient of financial development, suggesting that financial development has occurred at the expense of environmental quality. The results further indicate that the key contributing factors to carbon emissions in Pakistan are income, energy consumption and financial development. In addition, the openness variable has no significant influence on carbon emission in either the short or long term.
[23]	Eggleston H S, Buendia L, Miwa K, et al.IPCC. 2006 IPCC guidelines for national greenhouse gas inventories . Prepared by the National Greenhouse Gas Inventories Programme. IGES, Japan. 2006.URL [本文引用: 1]
[24]	张德英, 张丽霞. 碳源排碳量估算办法研究进展 . 内蒙古林业科技, 2005, (1): 20-23. [本文引用: 1] [Zhang Deying, Zhang Lixia.Progress in estimation method of carbon emission . Inner Mongolia Forestry Science and Technology, 2005, (1): 20-23.] [本文引用: 1]
[25]	齐中英. 描述CO2排放量的数学模型与影响因素的分解分析 . 技术经济, 1998, (3): 42-44.URL [本文引用: 1] [Qi Zhongying.Mathematic model for describing CO2 emission amount and decomposition analysis of its impact factors . Technological Economy, 1998, (3): 42-44.]URL [本文引用: 1]
[26]	Kuznets S.Economic growth and income inequality . American Economic Review, 1955, 45(1): 1-28. [本文引用: 1]
[27]	Stern D I, Common M S, Barbier E B.Economic growth and environmental degradation: The environmental Kuznets curve and sustainable development . World Development, 2004, 24(7): 1151-1160.https://doi.org/10.1016/0305-750X(96)00032-0URL [本文引用: 1]摘要 In this paper we critically examine the concept of the environmental Kuznets curve (EKC). It proposes that there is an inverted U-shape relation between environmental degradation and income per capita, so that, eventually, growth reduces the environmental impact of economic activity. The concept is dependent on a model of the economy in which there is no feedback from the quality of the environment to production possibilities, and in which trade has a neutral effect on environmental degradation. The actual violation of these assumptions gives rise to fundamental problems in estimating the parameters of an EKC. The paper identifies other econometric problems with estimates of the EKC, and reviews a number of empirical studies. The inference from some such EKC estimates that further development will reduce environmental degradation is dependent on the assumption that world per capita income is normally distributed when in fact median income is far below mean income. We carry out simulations combining EKC estimates from the literature with World Bank forecasts for economic growth for individual countries, aggregating over countries to derive the global impact. Within the horizon of the Bank's forecast (2025) global emissions of SOI continue to increase. Forest loss stabilizes before the end of the period but tropical deforestation continues at a constant rate throughout the period.
[28]	Stern D I.The rise and fall of the Environmental Kuznets Curve . World Development, 2004, 32(8): 1419-1439.https://doi.org/10.1016/j.worlddev.2004.03.004URL [本文引用: 1]摘要 This paper presents a critical history of the environmental Kuznets curve (EKC). The EKC proposes that indicators of environmental degradation first rise, and then fall with increasing income per capita. Recent evidence shows however, that developing countries are addressing environmental issues, sometimes adopting developed country standards with a short time lag and sometimes performing better than some wealthy countries, and that the EKC results have a very flimsy statistical foundation. A new generation of decomposition and efficient frontier models can help disentangle the true relations between development and the environment and may lead to the demise of the classic EKC.
[29]	Arbulú I, Lozano J, Rey-Maquieira J.Tourism and solid waste generation in Europe: A panel data assessment of the Environmental Kuznets Curve . Waste Management, 2015, 46: 628-636.https://doi.org/10.1016/j.wasman.2015.04.014URLPMID:26294012 [本文引用: 2]摘要 The relationship between tourism growth and municipal solid waste (MSW) generation has been, until now, the subject of little research. This is puzzling since the tourism sector is an important MSW generator and, at the same time, is willing to avoid negative impacts from MSW mismanagement. This paper aims to provide tools for tourism and MSW management by assessing the effects of tourism volume, tourism quality and tourism specialization on MSW generation in the UE. This is done using the Environmental Kuznets Curve (EKC) framework. The study considers a panel data for 32 European economies in the 1997 2010 periods. Empirical results support the EKC hypothesis for MSW and shows that northern countries tend to have lower income elasticity than less developed countries; furthermore, results confirm a non-linear and significant effect of tourism arrivals, expenditure per tourist and tourism specialization on MSW generation.
[30]	晋盛武, 吴娟. 腐败, 经济增长与环境污染的库兹涅茨效应: 以二氧化硫排放数据为例 . 经济理论与经济管理, 2014, 34(6): 28-40. [本文引用: 1] [Jin Shengwu, Wu Juan.Corruption, economic growth and the environmental Kuznets curve: Evidence from the data of sulfur dioxide emissions . Economic Theory and Business Management, 2014, 34(6): 28-40.] [本文引用: 1]
[31]	汪浩, 陈操操, 潘涛, 等. 县域尺度的京津冀都市圈CO2排放时空演变特征 . 环境科学, 2014, 35(1): 385-393. [本文引用: 1] [Wang Hao, Chen Caocao, Pan Tao, et al.County scale characteristics of CO2 emission's spatial-temporal evolution in the Beijing-Tianjin-Hebei metropolitan region . Environmental Science, 2014, 35(1): 385-393.] [本文引用: 1]
[32]	杜立民. 我国二氧化碳排放的影响因素: 基于省级面板数据的研究 . 南方经济, 2010, 28(11): 20-33.https://doi.org/10.3969/j.issn.1000-6249.2010.11.002URLMagsci [本文引用: 1]摘要 本文估算了1995-2007年我国各省的二氧化碳（CO2）排放量，构建了省级CO2排放面板数据库，并分别在静态和动态面板数据模型框架下，考察了我国CO2排放的驱动因素。研究结果显示，产业结构是影响我国CO2排放最重要的因素，技术进步和城市化水平次之，而产权结构和能源消费结构的影响则要相对小得多。资本调整速度是影响我国CO2排放的另一重要因素，加快资本折旧有利于CO2减排。经济发展水平和人均CO2排放量之间则存在倒U型关系。 [Du Limin.Impact factors of China's carbon dioxide emissions: Provincial panel data analysis . South China Journal of Economics, 2010, 28(11): 20-33.]https://doi.org/10.3969/j.issn.1000-6249.2010.11.002URLMagsci [本文引用: 1]摘要 本文估算了1995-2007年我国各省的二氧化碳（CO2）排放量，构建了省级CO2排放面板数据库，并分别在静态和动态面板数据模型框架下，考察了我国CO2排放的驱动因素。研究结果显示，产业结构是影响我国CO2排放最重要的因素，技术进步和城市化水平次之，而产权结构和能源消费结构的影响则要相对小得多。资本调整速度是影响我国CO2排放的另一重要因素，加快资本折旧有利于CO2减排。经济发展水平和人均CO2排放量之间则存在倒U型关系。
[33]	李国志, 李宗植. 中国二氧化碳排放的区域差异和影响因素研究 . 中国人口·资源与环境, 2010, 20(5): 22-27.https://doi.org/10.3969/j.issn.1002-2104.2010.05.005URL [本文引用: 1]摘要 气候变化和二氧化碳减排问题已经引起了世界性的关注。文章对我国30个省份二氧化碳排放量进行测算,将其分为低排放、中排放、高排放三个不同区域并进行比较。同时,基于STIRPAT模型和面板数据方法,文章分析了人口、经济和技术对不同区域二氧化碳排放的影响。结果表明:三个区域的二氧化碳排放存在明显差异,并且差异性不断扩大;不同区域人口、经济、技术对二氧化碳排放量的弹性系数是不一样的,经济快速增长是各区域二氧化碳排放增加最重要的驱动因素;二氧化碳排放与经济增长之间存在明显的倒"U"型环境库兹涅茨曲线,但是要达到曲线的拐点需要经历非常漫长的时间。另外,中国的二氧化碳排放表现出明显的路径依赖现象,当期经济增长将至少对未来2-3年的空气质量产生影响,并且这种影响对整个国家来说比单个区域要更大。基于上述,提出了减少二氧化碳排放的相关政策建议,以适应中国的低碳经济道路。 [Li Guozhi, Li Zongzhi.Regional difference and influence factors of China's carbon dioxide emissions. China Population , Resources and Environment, 2010, 20(5): 22-27.]https://doi.org/10.3969/j.issn.1002-2104.2010.05.005URL [本文引用: 1]摘要 气候变化和二氧化碳减排问题已经引起了世界性的关注。文章对我国30个省份二氧化碳排放量进行测算,将其分为低排放、中排放、高排放三个不同区域并进行比较。同时,基于STIRPAT模型和面板数据方法,文章分析了人口、经济和技术对不同区域二氧化碳排放的影响。结果表明:三个区域的二氧化碳排放存在明显差异,并且差异性不断扩大;不同区域人口、经济、技术对二氧化碳排放量的弹性系数是不一样的,经济快速增长是各区域二氧化碳排放增加最重要的驱动因素;二氧化碳排放与经济增长之间存在明显的倒"U"型环境库兹涅茨曲线,但是要达到曲线的拐点需要经历非常漫长的时间。另外,中国的二氧化碳排放表现出明显的路径依赖现象,当期经济增长将至少对未来2-3年的空气质量产生影响,并且这种影响对整个国家来说比单个区域要更大。基于上述,提出了减少二氧化碳排放的相关政策建议,以适应中国的低碳经济道路。