, 杨旭
, 吴相利, 伍昱飞, 周嘉哈尔滨师范大学地理科学学院, 寒区地理环境监测与空间信息服务黑龙江省重点实验室, 哈尔滨 150025
收稿日期: 2020-09-14; 修回日期: 2020-11-08; 录用日期: 2020-11-08
基金项目: 国家自然科学基金（No.41171433）；国家社科基金项目（No.16BJY039）；黑龙江省哲学社会科学研究规划项目（No.17JLB033）；黑龙江省博士后科研启动金资助项目（No.LBH-Q13101）
作者简介: 杨盛东(1995-), 男, E-mail: young_sd@163.com
通讯作者（责任作者）: 杨旭, E-mail: yangxu2005gd@163.com
摘要：基于2007—2016年东北三省地级市面板数据，结合夜间灯光指数核算地级市碳排放，运用基尼系数、莫兰指数、热点分析等方法，实证分析了不同环境规制对东北三省地级市碳排放的空间效应.结果发现：①区域碳排放总量、人均碳排放量、碳排放强度和单位面积碳排放量呈现正向空间自相关，碳排放的热点区域在相邻地区发生转移，且都有排放中心区域，研究时段内，碳排放在空间上出现不同程度的增长，负增长区域较少.②命令型、经济型和自愿型3种环境规制强度在空间上趋向于更加平衡化的方向发展，存在空间分异性.③自愿型环境规制主要通过直接效应降低碳排放，命令型环境规制主要通过溢出效应降低碳排放，而经济型环境规制则通过总效应对碳排放产生显著正向影响.政府环保部门应促进命令型环境规制的空间溢出效应，通过提高经济型环境规制的有效性刺激技术更新，引进外国先进技术，实行绿色发展模式，以实现"波特假说"的目标.
关键词：环境规制碳排放灯光指数东北三省时空差异
Impact of environmental regulation on spatial-temporal differences of regional carbon emissions: Empirical analysis based on 32 prefecture level cities in Northeast China
YANG Shengdong
, YANG Xu, WU Xiangli, WU Yufei, ZHOU JiaCollege of Geographical Science/Heilongjiang Province Key Laboratory of Geographical Environment Monitoring and Spatial Information Service in Cold Regions, Harbin Normal University, Harbin 150025
Received 14 September 2020; received in revised from 8 November 2020; accepted 8 November 2020
Abstract: Based on the panel data of prefecture level cities in Northeast China from 2007 to 2016, combined with the night light index to calculate the carbon emissions of preference level cities, this thesis empirically analyzes the spatial effects of different environmental regulations on carbon emissions of prefecture level cities in Northeast China by using Gini coefficient, Moran index and hot spot analysis. The results show that: ①the total amount of regional carbon emissions, per capita carbon emissions, carbon emission intensity and carbon emissions per unit area present positive spatial autocorrelation. The hot areas of carbon emissions transfer in adjacent areas, and there are emission centers. During the study period, carbon emissions show different degrees of growth in space, and the negative growth areas are less. ②The three environmental regulation intensities of command type, economic type and voluntary type tend to be more balanced in space, and there are spatial differences. ③Voluntary environmental regulation mainly reduces carbon emission through direct effect and mandatory environmental regulation mainly reduces carbon emission through spillover effect, while economic environmental regulation has significant positive impact on carbon emission through total effect. The government environmental protection department should promote the spatial spillover effect of mandatory environmental regulation, by improving the effectiveness of economic environmental regulation to stimulate technological innovation, introducing foreign advanced technology, and implementing green development mode. These measures aim to achieve the goal of "Porter Hypothesis".
Keywords: environmental regulationcarbon emissionlight indexNortheast Chinatemporal-spatial differences
1 引言(Introduction)改革开放以来, 中国经济增长迅速, 现已成为世界第二大经济体, 但片面追求经济增长的同时也带来了相应的环境问题, 为实现经济增长与环境保护的“双赢”, “十九大”报告提出新的生态文明建设理念.东北三省在推进东北老工业基地振兴战略的同时, 地方政府积极响应国家生态文明理念号召, 制定一系列节能减排政策, 探索绿色发展模式, 部分地区“蓝天保卫战”等措施效果显著.东北三省作为中国老工业基地, 二氧化碳等温室气体的排放问题比较突出, 因此地方政府也制定了许多相应的减排政策, 但效果都各有差异.
环境规制是政府规制的重要组成部分, 有行政措施与市场经济措施之分(黄志基等, 2015).近年来, 环境规制与碳排放之间的作用关系成为学术界研究的热点.Christian等(2016)研究发现, 严格的环境立法能降低欧洲国家交通碳排放量.Rubayyat等(2019)研究则发现, 经合组织国家环境友好型专利的增加和环境税收的增加都能降低碳排放.Guo等(2018)认为中国省级层面环境规制与碳排放存在倒“U”型曲线关系.张华等(2014)采用两步GMM法实证分析了中国省级层面环境规制对碳排放的双重效应, 结果发现, 随着环境规制强度的增强, “绿色悖论”效应会转变为“倒逼减排”效应.徐盈之等(2015)则通过中介效应发现中国省级层面环境规制会通过产业结构这条路径而影响碳排放.王雅楠等(2018)和丁绪辉等(2019)认为中国省级层面环境规制与碳排放之间存在门槛效应.而王馨康等(2018)从排污费和环保补贴的角度对环境规制做了分类, 探究了中国省级层面不同环境规制对碳排放作用的区域差异性.王康(2019)则将环境规制分为命令控制型、市场激励型和公众参与型3种类型, 探究了中国省级层面3种类型环境规制对碳排放影响的区域差异性.已有研究对于中国地区环境规制与碳排放之间的探究大都是基于省级层面, 但更小尺度的研究对于政府环保部门制定差异化碳减排政策更有价值, 而学术界对于市域尺度的研究还较少(王康等, 2020).
基于此, 本文针对地级市尺度, 筛选不同环境规制指标, 从不同角度对环境规制进行分类, 同时结合夜间灯光指数核算地级市碳排放, 实证分析不同环境规制对地级市尺度碳排放的时空差异性影响, 以期为政府制定、改进差异化的环境规制措施提供参考依据.
2 研究区域及数据来源(Study area and data sources)本文选择东北三省(辽宁省、吉林省和黑龙江省)地级市作为研究区域, 由于延边朝鲜自治州和大兴安岭地区统计数据缺失, 无法满足本文研究需求, 因此本文将其不纳入研究区域范围之内.计算碳排放所需要的DMSP-OLS和NPP-VIIRS夜间灯光影像获取自NOAA官方网站(网址：https://www.ngdc.noaa.gov/), 灯光指数拟合碳排放所需的9种化石能源折标煤系数来源于国家统计局能源统计司, 碳排放系数来源于《2006IPCC碳排放计算指南》.衡量各变量所需的基础指标数据获取自2008—2017年《中国城市统计年鉴》、《辽宁统计年鉴》、《吉林统计年鉴》、《黑龙江统计年鉴》及各地级市统计年鉴、地级市年鉴、国民经济统计公报等, 环境污染事件数量获取自2007—2016年各地级市日报.绘图所用底图为国家基础地理信息系统1∶400万地图, 绘图及模型回归所用软件为ArcGIS10.7、Orgin2018、Stata16.
3 研究方法(Research method)3.1 碳排放时空差异性分析3.1.1 基尼系数采用基尼系数(颜艳梅等, 2016)描述地级市碳排放在空间上集中或分散的程度, 算法如式(1)所示.
 | (1) |
3.1.2 莫兰指数采用莫兰指数(张翠菊等, 2017；范大莎等, 2017)描述地级市碳排放在全局空间上是否自相关, 算法如公式(2)所示.
 | (2) |
 | (3) |
3.1.3 热点分析采用热点分析(万文玉等, 2016；杨迪等, 2018)描述地级市碳排放在局域空间上是否自相关, 同时可以分辨“热点区域(高值与高值集聚区)”和“冷点区域(低值与低值集聚区)”, 算法如公式(4)所示.
 | (4) |
3.2 不同环境规制对碳排放时空差异的影响分析地理要素的空间自相关性通常导致经典的线性回归模型不适用(Luc et al., 1996；Carla et al., 2011; Pedro et al., 2013), 因此, 本文选择空间回归模型中的空间杜宾模型(SDM)探究不同环境规制与碳排放之间的作用关系, 空间杜宾模型具有适用性广、限制性小以及不存在内生性的优势.
按照来源可将环境规制分为正式与非正式两大类.正式环境规制是指地方政府制定的正式的环保政策和环保准则, 如污染物排放标准等, 具有管理控制性, 非正式环境规制是指地方媒体、公众等社会群体直接参与环境保护活动(马勇等, 2018；苏昕等, 2019), 如环境信访等, 具有自愿性.此外, 政府为保护环境会给予经济上的刺激(胡珺等, 2020；蒋丹, 2020), 如环保投入、碳税等, 具有经济刺激性.本文考虑到正式环境规制的强制性, 选取命令型环境规制(CER)衡量政府环境规制行为, 非正式环境规制方面选择自愿型环境规制(VER)衡量公众参与环境保护的强度, 选择经济型环境规制(EER)衡量政府的经济刺激作用.此外, 根据“污染天堂假说”理论可以推测出, 环境规制的强弱可能会引起碳排放的转移.根据相关研究(王康等, 2020)并结合东北地区特征, 本文分别从碳排放量(CE)、人均碳排放量(CP)、碳排放强度(CG)和单位面积碳排放量(CA)4个方面衡量碳排放, 同时借鉴先前研究的经验(王锋等, 2017；Wang et al., 2018；王少剑等, 2019), 将经济水平(EC)、产业结构(ST)、外商直接投资(FDI)、城市化水平(UR)和能源消耗(EN)5个变量作为控制变量纳入模型中, 以保证模型的可行性.为实证分析不同环境规制对碳排放的空间效应, 构建如公式(5)所示的模型.
 | (5) |
表 1(Table 1)
| 表 1 模型所需变量衡量方法 Table 1 Measurement method of variables required by the model | |||||||||||||||||||||||||||||||||||||||
表 1 模型所需变量衡量方法 Table 1 Measurement method of variables required by the model
| |||||||||||||||||||||||||||||||||||||||
 |
.
.
, 其中, SAR表示市区面积, AR表示地级市总面积, i表示地级市, t表示年份.4 结果分析(Result analysis)4.1 碳排放时空差异性分析4.1.1 碳排放时间序列变化特征如图 1所示, 2007—2016年, 东北三省地级市总碳排放量、人均碳排放量和单位面积碳排放量呈明显增长的趋势, 总碳排放量由2007年的65517.88×104 t增长到2016年的131306.19×104 t, 增长了1.00倍, 这也是导致人均碳排放量和单位面积碳排放量保持增长态势的重要原因, 虽然涨幅不相同, 但都保持在1倍左右(CP增长1.12倍, CA增长0.95倍).碳排放强度呈现“U”型变化趋势, 最低排放年份为2012年(2.78 t·万元-1), 最高为2009年(3.86 t·万元-1), 而2007与2016年相差仅0.09 t·万元-1.
图 1(Fig. 1)
 |
| 图 1 2007—2016年东北三省地级市碳排放时间变化 Fig. 1Temporal change of carbon emission in prefecture level cities of Northeast China from 2007 to 2016 |
4.1.2 碳排放空间变化特征图 2所示的Gini系数均为正值, 说明东北三省地级市碳排放具有空间集聚现象.空间集聚程度由大到小为：碳排放强度(CG)＞人均碳排放量(CP)＞单位面积碳排放量(CA)＞碳排放量(CE).碳排放强度的Gini系数数值在0.5左右波动, 说明其集中程度较高, 碳排放量的Gini系数数值大都位于0.2以下, 说明其集中程度较弱.产生这种空间集聚现象的原因通常是碳排放存在空间自相关性, 为此, 本文进行了进一步的空间自相关检测, 如下文所示.
图 2(Fig. 2)
 |
| 图 2 2007—2016年东北三省地级市碳排放Gini系数变化 Fig. 2Change of Gini coefficient of carbon emission of prefecture level cities in Northeast China from 2007 to 2016 |
表 2展示了东北三省地级市碳排放的莫兰指数(Moran′s I)检测数值, 由表 2可以看出, 其中的大部分数值具有显著性, 说明碳排放存在显著的空间自相关性, 同时, 从莫兰指数的正负性可以看出, 东北三省地级市碳排放的空间自相关性为正向空间自相关(人均碳排放量(CP)的莫兰指数在2007和2014年为不显著负值, 且数值较小, 不认为存在负向空间自相关).但莫兰指数只能揭示全局空间自相关性, 为测度更小范围碳排放的空间自相关性, 本文进行了如下文所示的测验.
表 2(Table 2)
| 表 2 2007—2016年东北三省地级市莫兰指数(Moran′s I) Table 2 Moran index of prefecture level cities in Northeast China from 2007 to 2016 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 2 2007—2016年东北三省地级市莫兰指数(Moran′s I) Table 2 Moran index of prefecture level cities in Northeast China from 2007 to 2016
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
考虑到2006、2011和2016年分别是十一五、十二五和十三五规划的起始年, 环境规制会有相应的政策导向变化, 因此, 选择具有代表性的2007、2011和2016年观察碳排放热点的区域转移.由图 3可以看出, 碳排放的热点区域均为小范围内的相邻区域转移, 并未发生较大的区域转移现象, 说明东北三省地级市碳排放的排放热点区域较为稳定.
图 3(Fig. 3)
 |
| 图 3 2007—2016年东北三省地级市碳排放热点(Gi) Fig. 3Carbon emission hotspots in prefecture level cities of Northeast China from 2007 to 2016 |
碳排放空间分布情况如图 4所示, 由图 4可以看出, 碳排放都有其排放中心区域.碳排放量(CE)以哈尔滨市为排放中心区域并向四周扩散(图 4a、4e), 人均碳排放量(CP)以七台河市为排放中心区域并向西扩散(图 4b、4f), 碳排放强度(CG)以黑河市、伊春市、鹤岗市为排放中心区域(图 4c、4g), 单位面积碳排放量(CA)以“沈阳-长春-哈尔滨”一线为排放中心并向周围区域扩散(图 4d、4h).同时还发现, 各地区碳排放出现不同程度增长, 增长较大的地区主要以“黑河市-齐齐哈尔市”一线和“哈尔滨市-长春市”一线及其领近区域为主(图 4i~4l).碳排放强度在部分地区出现负增长(图 4k), 但负增长区域还是较小.
图 4(Fig. 4)
 |
| 图 4 2007—2016年东北三省地级市碳排放及碳排放增长分布 Fig. 4Carbon emission and carbon emission growth distribution of prefecture level cities in Northeast China from 2007 to 2016 |
4.2 环境规制强度的变化趋势各地级市不同环境规制强度的分布情况如图 5所示, 由图 5可以看出, 与黑河市等环境规制较强的地区相比, 大部分地区环境规制强度是相对较弱的, 在空间上表现出分异性.对比2007与2016年可以发现, 环境规制强度趋向于更加平衡化的方向发展, 环境规制强度相对较弱的地区有增强的趋势(如丹东市等), 较强的地区有减弱的趋势(如黑河市等), 这是由于环境规制存在空间溢出效应, 即地方政府为达到节能减排的目标, 相互之间会通过学习、交流等方式调整当地原有的环境保护政策, 这种相互影响的结果会使得环境规制趋向于更加平衡的方向发展.为验证环境规制对碳排放的空间效应, 本文做了更进一步的实证分析.
图 5(Fig. 5)
 |
| 图 5 2007、2016年东三省地级市不同环境规制强度变化 Fig. 5Changes of environmental regulation intensity in prefecture level cities of the three eastern provinces in 2007 and 2016 |
4.3 环境规制对碳排放时空变化的影响空间杜宾模型(SDM)的回归结果如表 3所示, 由豪斯曼检验(Hausman test)可知, 模型Ⅰ~Ⅳ均为固定效应模型(由于随机效应模型已被舍弃, 本文不再展示).根据Tobler(1970)所提出的“地理学第一定律”, 发现反距离空间权重矩阵更适用于本文研究.由于本文数据为面板数据, 为消除异方差问题及其多重共线性问题, 对模型两边取对数后使用聚类稳健标准误估计固定效应的SDM模型.对数似然值(log-pseudolikelihood)表明模型Ⅰ~Ⅳ的拟合效果均较好.空间回归系数f(Rho)表明模型Ⅰ~Ⅳ均存在空间效应.模型Ⅰ~Ⅳ的控制变量系数及其显著性均未发生较大变化, 说明本文此处的4个模型具有一定的稳健性, 可以进行下一步的分析.表 4、表 5和表 6为4个模型所对应的直接效应、溢出效应(间接效应)和总效应结果表.
表 3(Table 3)
| 表 3 SDM回归结果 Table 3 SDM regression results | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 3 SDM回归结果 Table 3 SDM regression results
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 4(Table 4)
| 表 4 SDM的直接效应结果 Table 4 Direct effect results of SDM | ||||||||||||||||||||||||||||||||||||||||||||||||||
表 4 SDM的直接效应结果 Table 4 Direct effect results of SDM
| ||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||
表 5(Table 5)
| 表 5 SDM的溢出效应(间接效应)结果 Table 5 Spillover effect (indirect effect) results of SDM | ||||||||||||||||||||||||||||||||||||||||||||||||||
表 5 SDM的溢出效应(间接效应)结果 Table 5 Spillover effect (indirect effect) results of SDM
| ||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||
表 6(Table 6)
| 表 6 SDM的总效应结果 Table 6 Total effect results of SDM | ||||||||||||||||||||||||||||||||||||||||||||||||||
表 6 SDM的总效应结果 Table 6 Total effect results of SDM
| ||||||||||||||||||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||||||||||||||||||
4.3.1 环境规制与碳排放之间的直接效应分析直接效应的结果反映的是本地区的环境规制与本地区的碳排放之间的作用关系.由表 4可以看出, 自愿型环境规制的作用系数分别为-0.050、-0.056、-0.048和-0.066, 分别通过0.05、0.01、0.05和0.05显著性水平检验, 表明自愿型环境规制对碳排放为显著负向作用.这是因为产生自愿型环境规制的对象主要是社会群体, 而本地区的社会群体通常直接参与的是本地区的环境治理, 并不会干涉相邻甚至更远地区的环境治理.而命令型环境规制与经济型环境规制对碳排放的作用系数均不显著, 也就表明命令型环境规制和经济型环境规制并不是以直接作用的方式影响碳排放的.
4.3.2 环境规制与碳排放之间的空间溢出效应分析溢出效应(间接效应)的结果反映的是邻近区域的环境规制与本地区碳排放之间的作用关系.由表 5结果可以看出, 命令型环境规制对碳排放的回归系数分别为-0.567、-0.586、-0.541和-0.485, 分别通过0.1、0.05、0.05和0.1显著性水平检验, 表明命令型环境规制对碳排放具有显著的空间溢出效应, 且为负向作用方式.说明邻近区域命令型环境规制的增强能降低本地区的碳排放, 相反地, 本地区环境规制的增强也能导致相邻区域降低碳排放, 这种溢出效应在空间上是双向的.这是因为当地的环境政策制定者通常会学习或者模仿邻近区域有效的环境治理措施, 这会导致全区域环境规制趋向于更加平衡、更加有益于降低碳排放的方向发展, 虽然目前还远没有达到这种平衡的状态, 但在本文研究时段内有向平衡发展的趋势.而经济型环境规制和自愿型环境规制对碳排放的作用系数不具有显著性, 因此, 经济型环境规制和自愿型环境规制对碳排放的影响不具有空间溢出效应.
4.3.3 环境规制与碳排放之间的总效应分析总效应反映的是直接效应与溢出效应的综合效果.由表 6可以看出, 经济型环境规制对碳排放的作用系数分别为0.094、0.089、0.072和0.084, 分别通过0.05、0.05、0.05和0.1显著性水平检验, 表明经济型环境规制具有显著促进碳排放的作用.这是因为经济型环境规制的实施通常位于碳排放发生之后, 当碳排放(碳排放量、碳排放强度、人均碳排放量、单位面积碳排放量)出现增长, 环保部门会增大减排的经济投入来抑制碳排放的增长, 而当碳排放降低之后, 冗余的经济投入会被削减, 这种“增-长、降-减”的治理模式导致此处经济型环境规制对碳排放的回归结果显著为正.
除以上结果之外, 本文还发现经济水平可通过直接效应促进碳排放量、人均碳排放量和单位面积碳排放量的增长, 对于碳排放强度而言, 经济水平对其具有抑制作用.城市化水平通过直接效应促进碳排放增长, 外商直接投资则存在空间溢出效应, 对碳排放为显著抑制作用.
5 讨论(Discussion)在东北三省这种高能耗地区, 以碳排放为代表的环境污染问题尤为突出.“波特假说”认为, 适当的环境规制将刺激企业进行技术更新, 进而降低碳排放.首先, 从本文的研究结果来看, 命令型环境规制和自愿型环境规制能显著降低碳排放, 这与Guo等(2018)的研究结果具有相似性, 但这两种环境规制并不是通过技术更新而降低碳排放的.经济型环境规制是通过环保投入的方式来刺激技术更新, 但经济型环境规制并没有降低碳排放, 这与李小平等(2020)的研究结果一致, 这也说明, 东北三省目前的经济型环境规制还没有实现“波特假说”的目标.本文认为当地环保部门应提高经济型环境规制的有效性及其投入的准确性, 确保经济型环境规制通过刺激绿色创新技术的更新而起到降低碳排放的作用, 进而实现“波特假说”的目标.政府部门应当控制当地经济水平、城市化水平在环境可承受、可绿色发展的限度之内, 鼓励引进外国先进生产技术, 实行绿色生产模式.其次, 本文针对地级市尺度, 从不同角度衡量环境规制强度, 实证分析了不同环境规制对碳排放时空差异的影响, 这为政府环保部门制定和改进差异化的环境规制措施提供了参考依据.最后, 本文受限于数据的可获取性, 对环境规制强度的衡量以及环境规制类型的划分还需进一步细化, 2007—2016年的面板数据仅能代表研究时段内环境规制和碳排放之间的作用关系, 未来应进一步研究能更加全面衡量地级市的环境规制, 更加准确划分环境规制类型, 寻求更加有效的环境规制与碳排放之间的演绎模型.
6 结论(Conclusions)1) 本文所示的碳排放在空间上表现出正向空间自相关性, 碳排放的热点区域在相邻区域发生转移, 但没有产生大规模的区域转移现象.碳排放存在排放中心区域, 研究时段内, 碳排放在空间上出现不同程度的增长, 相比之下, 负增长区域较少.
2) 3种环境规制强度在空间上趋向于更加平衡化的方向发展, 过弱的地区有增强的趋势(如丹东市等), 过强的地区有减弱的趋势(如黑河市等), 在空间上表现出分异性.
3) 自愿型环境规制主要通过直接作用的方式降低碳排放, 命令型环境规制主要通过溢出效应降低碳排放, 而经济型环境规制则通过总效应的方式对碳排放产生显著正向影响.
参考文献
| Carla M, Ivan E. 2011. The determinants of Italian domestic tourism: A panel data analysis[J]. Tourism Management, 33(3): 603-610. |
| Christian T, Wouter N, Sofia S, et al. 2016. The impact of the EU car CO2 regulation on the energy system and the role of electro-mobility to achieve transport decarbonisation[J]. Energy Policy, 96: 153-166. DOI:10.1016/j.enpol.2016.05.043 |
| 丁绪辉, 张紫璇, 吴凤平. 2019. 双控行动下环境规制对区域碳排放绩效的门槛效应研究[J]. 华东经济管理, 33(7): 44-51. |
| 范大莎, 杨旭, 吴相利, 等. 2017. 东北三省农田生态系统碳排放时空分异特征及驱动因素研究[J]. 环境科学学报, 37(7): 2797-2804. |
| 万文玉, 赵雪雁, 王伟军. 2016. 中国城市居民生活能源碳排放的时空格局及影响因素分析[J]. 环境科学学报, 36(9): 3445-3455. |
| Guo W, Chen Y. 2018. Assessing the efficiency of China's environmental regulation on carbon emissions based on Tapio decoupling models and GMM models[J]. Energy Reports, 4: 713-723. DOI:10.1016/j.egyr.2018.10.007 |
| 胡珺, 黄楠, 沈洪涛. 2020. 市场激励型环境规制可以推动企业技术创新吗?——基于中国碳排放权交易机制的自然实验[J]. 金融研究, 2020(1): 171-189. |
| 黄志基, 贺灿飞, 杨帆, 等. 2015. 中国环境规制、地理区位与企业生产率增长[J]. 地理学报, 70(10): 1581-1591. DOI:10.11821/dlxb201510004 |
| 蒋丹, 张林荣, 孙华平, 等. 2020. 中国征收碳税应对碳关税的经济分析——以美国为例[J]. 生态学报, 40(2): 440-446. |
| Luc A, Anil K B, Raymond F, et al. 1996. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 26(1): 77-104. DOI:10.1016/0166-0462(95)02111-6 |
| 李小平, 余东升, 余娟娟. 2020. 异质性环境规制对碳生产率的空间溢出效应——基于空间杜宾模型[J]. 中国软科学, 2020(4): 82-96. DOI:10.3969/j.issn.1002-9753.2020.04.008 |
| 马勇, 童昀, 任洁, 等. 2018. 公众参与型环境规制的时空格局及驱动因子研究——以长江经济带为例[J]. 地理科学, 38(11): 1799-1808. |
| Pedro V A, Luc A, Daniel A B. 2013. Testing for spatial error dependence in probit models[J]. Letters in Spatial and Resource Sciences, 6(2): 91-101. DOI:10.1007/s12076-012-0089-9 |
| Rubayyat H, Khorshed A. 2019. Dynamic relationship among environmental regulation, innovation, CO2 emissions, population, and economic growth in OECD countries: A panel investigation[J]. Journal of Cleaner Production, 231: 1100-1109. DOI:10.1016/j.jclepro.2019.05.325 |
| 苏昕, 周升师. 2019. 双重环境规制、政府补助对企业创新产出的影响及调节[J]. 中国人口·资源与环境, 29(3): 31-39. |
| 田光辉, 苗长虹, 胡志强, 等. 2018. 环境规制、地方保护与中国污染密集型产业布局[J]. 地理学报, 73(10): 1954-1969. DOI:10.11821/dlxb201810010 |
| 王锋, 秦豫徽, 刘娟, 等. 2017. 多维度城镇化视角下的碳排放影响因素研究——基于中国省域数据的空间杜宾面板模型[J]. 中国人口·资源与环境, 27(9): 151-161. |
| 王康. 2019. 不同类型环境规制对碳生产率影响的空间异质性分析[D]. 哈尔滨: 哈尔滨师范大学 |
| 王康, 李志学, 周嘉. 2020. 环境规制对碳排放时空格局演变的作用路径研究——基于东北三省地级市实证分析[J]. 自然资源学报, 35(2): 343-357. |
| 王少剑, 黄永源. 2019. 中国城市碳排放强度的空间溢出效应及驱动因素[J]. 地理学报, 74(6): 1131-1148. |
| 王少剑, 苏泳娴, 赵亚博. 2018. 中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素[J]. 地理学报, 73(3): 414-428. |
| Wang S, Zeng J, Huang Y, et al. 2018. The effects of urbanization on CO2 emissions in the Pearl River Delta: A comprehensive assessment and panel data analysis[J]. Applied Energy, 228: 1693-1706. DOI:10.1016/j.apenergy.2018.06.155 |
| 王馨康, 任胜钢, 李晓磊. 2018. 不同类型环境政策对我国区域碳排放的差异化影响研究[J]. 大连理工大学学报(社会科学版), 39(2): 55-64. |
| 王雅楠, 左艺辉, 陈伟, 等. 2018. 环境规制对碳排放的门槛效应及其区域差异[J]. 环境科学研究, 31(4): 601-608. |
| 徐盈之, 杨英超, 郭进. 2015. 环境规制对碳减排的作用路径及效应——基于中国省级数据的实证分析[J]. 科学学与科学技术管理, 36(10): 135-146. |
| 杨迪, 杨旭, 吴相利, 等. 2018. 东北地区能源消费碳排放时空演变特征及其驱动机制[J]. 环境科学学报, 38(11): 4554-4565. |
| 颜艳梅, 王铮, 吴乐英, 等. 2016. 中国碳排放强度影响因素对区域差异的作用分析[J]. 环境科学学报, 36(9): 3436-3444. |
| 张翠菊, 张宗益. 2017. 中国省域碳排放强度的集聚效应和辐射效应研究[J]. 环境科学学报, 37(3): 1178-1184. |
| 张华, 魏晓平. 2014. 绿色悖论抑或倒逼减排——环境规制对碳排放影响的双重效应[J]. 中国人口·资源与环境, 24(9): 21-29. DOI:10.3969/j.issn.1002-2104.2014.09.004 |
