产业部门碳排放关联网络研究——以陕西省为例

(长安大学 .经济与管理学院;.建筑工程学院,陕西 西安 710061)

产业部门碳排放关联网络研究
——以陕西省为例

杜 强a,许雅丹b,卫 婧b
(长安大学 a.经济与管理学院;b.建筑工程学院,陕西 西安 710061)

将网络分析法引入产业部门碳排放关联效应研究,从关系视角探讨各产业部门碳排放联系及其相互作用,利用中心产业的影响力和控制力实现跨行业协同减排。以陕西省为例,基于2005—2014年各产业数据,利用网络分析法对产业部门碳排放关联网络特征进行实证分析。研究表明:产业部门碳排放关联网络具有较强的关联性;建筑业、交通运输设备制造业、金属冶炼及压延加工业和农林牧渔业是网络的中心产业,对网络其他产业部门的控制力和影响力较大;网络的中心度符合双段幂律分布,表明网络具有无标性特征;产业部门碳排放网络存在聚类现象,根据产业部门间的相互影响关系将网络划分为“净受益板块、经纪人板块、净溢出板块、双向溢出板块”四个板块。

碳排放;产业部门;关联网络;网络分析

1 引言

产业部门在生产或服务过程中会消耗能源产生直接碳排放,同时又会因为消耗关联产业产品产生间接碳排放,而关联产业在为其提供中间产品时会进一步带动外围产生碳排放,因此产业部门之间具有广泛而复杂的碳排放联系[1,2]。若要达到理想的综合减排效果,不仅需要考虑单一部门的特点,还需要重视各产业部门在碳排放方面的关联效应。

单一产业部门碳排放的研究主要集中在碳排放的核算和影响因素等方面[3-6],较少考虑产业部门间的联系,存在一定局限性。近年来,关于产业部门碳排放关联的研究得到了高度关注。从研究内容看,很多学者对碳排放在产业部门间的流动机制展开了研究,如曹俊文[7]对江西省产业部门直接碳排放和完全碳排放强度进行了计算分析,发现产业部门的后向关联效应所引发的间接碳排放量较大;徐盈之等[8]计算了中国27个产业部门在生产和消费活动中产生的内涵碳排放并探讨了其转移机制。从研究方法看,大多基于“属性数据”建立模型,如Ju等[9]采用投入—产出生命周期模型研究了重庆28个产业部门所形成的供应链碳排放;孙建卫等[10]利用碳足迹影响力和感应度指标对产业部门之间的碳关联进行了分析;Wang等[11]、钱明霞等[12]基于假设抽取法计算研究了产业部门群的碳排放转移。

综上所述,目前我国对产业部门碳排放关联的研究多集中在利用“属性数据”分析产业部门的前后向联系或某一产业对全局碳排放影响效力等方面,然而产业部门之间的联系是错综复杂的,利用属性数据得到的单一双向线性关系并不足以展现产业部门之间的碳排放联系。鉴于此,本研究借助网络分析法,从“关系数据”而非“属性数据”角度来研究各个产业部门之间的碳排放关联关系。

网络分析法是一种基于图论的研究方法,其核心在于从“关系数据”角度出发,研究网络中各成员的关联关系以及网络结构特征,避免了“属性数据”关于相互关系描述的局限性,更适用于多个对象之间的关系研究。近年来,网络分析法广泛应用于社会学、管理学和经济学等多个领域[13-16]。在产业部门经济研究方面,方爱丽[17]探讨了中国2002年42个产业部门的网络特征;王茂军等[18]对四川省制造业产业的关联网络做了结构性特征分析,但在碳排放研究方面,鲜有运用网络分析法研究产业部门之间关系的报道。本文基于2005—2014年的各产业数据,在核算产业部门碳排放拉动量的基础之上构建了产业部门碳排放关联网络,通过网络密度、中心性、块模型等指标,对各产业在碳排放网络中的地位和作用进行了测度分析,明确了碳排放网络中的中心产业,利用中心产业的影响力和控制力带动其他产业部门降低碳排放,为政府制定减排政策提供科学依据。

2 产业部门碳排放关联的网络分析方法

2.1 产业部门碳排放网络的构建

构建网络的关键是选择合适的指标表述产业部门间的碳排放关联。碳排放拉动量反映了产业部门碳排放关联的紧密程度,是衡量产业部门碳排放关系的重要指标。本文以产业部门为节点,产业部门的碳排放拉动量为边构建产业部门碳排放关联网络。为了计算产业部门的碳排放拉动量,首先要计算各产业部门的直接碳排放。计算公式为:

(1)

本文根据各个产业部门的直接碳排放,基于投入—产出法计算各产业部门的碳排放拉动量[19,20],其计算公式为:

(2)

式中,Bij为产业部门j对产业部门i的碳排放拉动量;Xi、Xj分别为产业部门i和j的总产值;yij为产业部门j对产业部门i的完全消耗系数。基于式(2)得到产业部门碳排放矩阵B=Bij。为了得到产业部门碳排放关联矩阵C将产业部门碳排放矩阵B按照定义进行转换。即取碳排放矩阵各行业的均值作为“行阈值ki”,若该行产业部门之间的碳排放拉动量mij大于该阈值ki,则记为1,表示该行的产业部门和该列的产业部门具有碳排放关联关系;反之,则记为0,表示不存在碳排放关联关系。

(3)

基于式(5)最终构建出产业部门碳排放关联矩阵C。因为计算的碳排放矩阵B是非对称的,所以碳排放关联矩阵C是一个有向关联矩阵。

2.2 产业部门碳排放网络的特征指标

在网络分析法中,通常采用网络密度表征整体特征,采用度数中心度、接近中心度和中间中心度表征个体指标,采用块模型对网络进行聚类分析[21,22]。

网络整体特征:网络密度是表征网络整体特征的指标,反映产业部门关联的紧密程度,网络密度越大,则各产业部门之间碳排放的联系越紧密。其计算公式为:

(4)

式中,D为网络密度;Lw为网络中实际存在的边数;g为网络中的节点个数;g-1为节点最大可能连接的边数。

网络个体特征:中心性是表征网络个体特征的指标,衡量各节点在网络中的地位。若一个节点在网络中的中心性越突出,则该节点的影响力和控制力越大。常用的中心性指标有度数中心度、接近中心度和中间中心度。

度数中心度:度数中心度是衡量网络中各节点直接联系强度的指标。在网络中,一个节点与其他节点的连线越多,它在网络中的地位越高,对其他节点的影响力越大。其计算公式为:

(5)

式中,CD(ni)为节点的度数中心度;xij为节点i的实际连接边数。由于本文研究的碳排放关联网络为有向网络,因此度数中心度分为入度和出度。入度为其他节点指向该节点的边数,出度为该节点指向其他节点的边数。

接近中心度:接近中心度是通过距离衡量一个节点中心程度的指标。接近中心度越高,表明该节点越能快速与其他所有节点产生联系,在网络中的关联性越强。其计算公式为:

(6)

式中,CC(ni)为节点的接近中心度;d(ni,nj)为连接节点i和j节点之间的最短路径。

中间中心度:中间中心度是衡量节点在网路中充当媒介程度的指标。如果某节点处于其他许多节点的最短路径上,那么该节点就具有较高的中间中心度,对其他节点的控制能力较强,在网络中起中介和桥梁的作用。其计算公式为:

(7)

式中,CB(ni)为节点i的中间中心度;gjk为节点j到达节点k的最短路径数;gjk(ni)为连接节点j,k的最短路径上包含节点i的个数。

聚类分析:块模型是表征网络中个体聚类的指标,可以对各板块在网络中的地位进行分析。参照沃瑟曼等[21]提出的评价标准,利用CONCOR迭代法将板块分为净受益板块、净溢出板块、双向溢出板块和经纪人板块[16,22]。净受益板块,此板块对其他板块的溢出关系较少而较多接收其他板块发出的关系,且板块内部成员关系较多;净溢出板块,此板块向其他板块发出较多关系而很少接收其他板块发出的关系,且板块内部关系较少;双向溢出板块,此板块向其他板块发出较多关系而较少接收其他板块发出的关系,且板块内部的关系相对较多;经纪人板块,此板块的既接收其他板块发出的关系也向其他板块发出关系,且该板块和其他板块之间的关系相对较多。

3 实证分析——以陕西省为例

3.1 数据来源

能源消耗量、产业部门生产总值来源于相关年份的《陕西省统计年鉴》。2005—2014年产业部门的完全消耗系数分别通过2007年和2012年的《投入—产出表》确定。低位发热量、单位热值含碳量和碳氧化率出自《省级温室气体清单编制指南》。由于投入—产出表中产业部门分类和国民经济产业部门分类不一致,本文以陕西省2007年《42个部门的投入产出表》为基础,结合相应年份的《陕西省统计年鉴》中工业分行业终端消费量统计表和主要能源平衡情况统计表,将产业部门合并整理为30个产业部门,见表1。

表1 产业部门划分表

3.2 产业部门碳排放网络整体性分析

为了展示产业部门碳排放关联网络的网络结构形态,本文利用UCINET6.0中可视化工具Netdraw绘制了陕西省2005—2014年的产业部门碳排放关联网络图(图1)。由图1可直观地发现,产业间碳排放联系较紧密,产业间的关联性较高。

图1 2005—2014年产业部门的碳排放关联网络

网络密度反映了产业部门关联的紧密程度。网络密度过高意味着产业部门之间出现了较多的冗杂关系,中心产业不突出,网络封闭性较强,不利于节能减排政策的实施;网络密度过低则表明产业间联系不紧密,中心产业部门影响力和控制力较弱,无法带动其他产业部门协同减排,因此只有密度值稳定在一个相对合理的范围内才有利于产业部门协同减排政策的实施。从表2可见,近十年来陕西省碳排放关联网络密度在0.4左右,意味着产业间碳排放联系较为紧密且网络中冗杂的连线较少,有利于提高节能减排政策实施的效率,降低节能减排的交易成本。

表2 2005—2014产业部门碳排放关联网络密度

3.3 中心产业分析

产业度数中心度分析:根据式(5)计算各产业部门的度数中心度。由于篇幅有限且出于分析的需要,本文仅列出了各年度数中心度排名靠前的5个产业部门(表3)。本文所研究的产业部门具有两种中心度:出度和入度。出度是指带动该产业部门碳排放的其他产业部门数目,衡量一个产业的“推力”大小;入度是指该产业部门带动其他产业部门碳排放的产业部门数目,衡量一个产业的“拉力”大小。

表3 2005—2014年产业部门碳排放关联网络度数中心度分析结果

从表3可见,2005—2014年住宿和餐饮业的出度值较高于其他产业,以仪器仪表及文化办公机械制造业、电气机械及器材制造业和废品废料为代表的制造业的出度值基本呈上升趋势,表明这几个产业部门对其他产业部门具有较强的推动作用。由于各产业部门的出度值相差不大且比较集中,以出度判断是否为中心产业部门时不具有代表性,因此本文主要针对入度进行分析。

2005—2014年,建筑业和交通运输设备制造业入度值高于其他产业,说明这两个产业是产业部门碳排放关联网络中的主导产业。煤炭开采和洗选业、金属冶炼及压延加工业和化学工业的入度值不断提高且上升幅度较大,表明这三个产业在碳排放网络中的中心地位不断提高,对其他产业的碳排放拉动作用明显。农林牧渔业、石油和天然气开采业、石油加工、炼焦及核燃料加工业、通用、专用设备制造业的入度呈下降趋势,表明这四个产业部门在整个碳排放网络中的中心作用不断弱化。总体来看,第一产业在整个碳排放网络中所占比重明显降低,而以建筑业和制造业为代表的第二产业一直处于主导地位。

为了探究产业部门度数中心度的分布趋势,在双对数坐标轴下对碳排放关联网络的入度进行线性拟合。从图2可见,拟合度R2的最小值为0.5295,通过了0.05的显著性水平检验,说明拟合效果较好。陕西省各年份入度分布均符合双段幂律分布,说明在历年碳排放关联网络中,仅有少数产业部门在网络中具有较为广泛的联系性,而更多的产业部门仅与部分产业部门发生碳排放关联,表明产业部门碳排放关联网络具有无标性特征。且第一段产业部门的度值下降较为缓慢,而第二段度值下降急剧,反映了各产业部门间的不均衡性。

图2 2005—2014年产业碳排放关联网络入度分布

产业接近中心度分析:根据式(6)计算各产业部门的接近中心度。从表4可见,2005—2014年建筑业、交通运输设备制造业和金属冶炼及压延加工业的接近中心度值均处于前列,表明这三个产业处于网络的中心地位,其碳排放在产业部门间的流动不易受到其他产业部门控制。煤炭开采和洗选业和化学工业的接近中心度值较高,表明这两个产业在碳排放关联网络中处于重要地位。

总体来看,以建筑业和制造业为代表的第二产业对网络的影响力较大,印证了上节度数中心度的分析结果。这些中心产业部门在碳排放网络中的关联性较强,能快速拉动其他产业部门的碳排放,在碳排放网络中发挥着极其重要的作用,因此在制定碳排放政策方面应重点关注这些中心产业部门。

表4 2005—2014年产业部门碳排放关联网络接近中心度、中间中心度分析结果

产业中间中心度分析:根据式(7)计算各产业部门的中间中心度。从表4可见,2005—2014年农林牧渔业和交通运输设备制造业中间中心度值较高,说明这两个产业部门发挥着“中介”和“桥梁”作用。建筑业和金属冶炼及压延加工业的中间中心度值明显增加,说明更多的产业部门需要以这两个部门为媒介才能发生联系。2005年和2009年出现了中间中心度值最高的产业(农林牧渔业)与排行第二位的产业(石油和天然气开采业、金属冶炼及压延加工业)的中间中心度数值相差较大的情况,说明在这两个年份控制作用较为集中,农林渔牧业控制整个网络,网络结构稳定性不足。其他年份存在多个中间中心度值较高的产业部门,网络的连通性较好。

产业聚类分析:以2014年为例,采用CONCOR迭代法把陕西省30个产业部门划分为4个板块(表5)。陕西省产业部门碳排放关联网络存在353个关联关系,板块内部之间的碳排放关联关系有77个,而板块和板块之间的碳排放关联关系有276个,说明板块之间存在着显著的碳排放溢出效应。其中,板块Ⅰ对其他板块的溢出关系有32个,接收其他板块的溢出关系有171个,而板块内部关系仅有52个,因此板块Ⅰ为净受益板块,通过对比,发现该板块内大多为高碳排放产业,其产业部门的度数中心度和接近中心度较高,对其他板块的碳排放拉动作用明显。板块Ⅱ既向外发出关系也接收来自其他板块的关系,板块和板块之间的关系较多,因此板块Ⅱ为经纪人板块,在产业部门碳排放关联网络中发挥着“中介”和“桥梁”作用。该板块内产业部门属于中高碳排放产业,其产业部门中心性指标相对于板块Ⅲ、板块Ⅳ较高。板块Ⅲ向其他板块发出的关系有166个而接收其他板块发出的关系仅有16个,且板块内部关系有8个,因此板块Ⅲ为净溢出板块。该板块内产业部门属于低碳排放产业,产业部门的中心性指标相对较低,在网络中易被其他板块控制和影响。板块Ⅳ的板块内和板块外均存在溢出效应,因此为双向溢出板块。

表5 产业部门碳排放关联网络板块的溢出效应

为了反映碳排放溢出效应在各个板块的分布情况,本文对各板块的密度进行了计算,见表6。2014年产业部门碳排放关联网络的整体密度值为0.406,若板块密度大于0.406,表明该板块密度高于网络总体密度的平均水平,碳排放联系在该板块的集聚度较高。我们将大于0.406的板块密度值赋值为1,反之则赋值为0,由此建立像矩阵。像矩阵清晰地描述了板块之间的碳排放溢出效应,显示了各产业部门碳排放的传递机制。

表6 产业部门碳排放关联网络板块的密度矩阵和像矩阵

图3 产业部门碳排放关联网络板块关系传导

根据像矩阵可画出产业部门碳排放关联网络板块关系传导图,图3直观地展示了板块之间的碳排放关系。板块Ⅰ除产生内部碳排放关联外,也接收其他三个板块的碳排放溢出,存在着较强的碳排放拉动作用;板块Ⅱ不仅接收板块Ⅰ和板块Ⅲ的碳排放溢出,同时对板块Ⅰ产生了碳排放溢出,在板块中充当中介和桥梁的作用;板块Ⅲ只存在溢出效应而不接收其余板块的溢出,具有较强的碳排放推动作用;板块Ⅳ除在板块内部碳排放联系密切外,同时对板块Ⅰ产生碳排放溢出,扮演着“双向溢出”角色。

4 结论及对策建议

4.1 结论

本文将网络分析法引入产业部门碳排放关联效应研究,基于2005—2014年陕西省各产业数据建立产业部门碳排放关联网络,利用网络分析法对其网络特征进行实证研究,结论为:①产业部门间碳排放联系较紧密,关联性较高。样本期间内网络密度值稳定在0.4左右,有利于产业协同减排政策的实施。②产业部门碳排放关联网络中心产业突出,网络具有无标性特征。从中心性来看,建筑业、交通运输设备制造业、金属冶炼及压延加工业和农林牧渔业是陕西省产业部门碳排放关联网络中的中心产业。产业部门度数中心度分布符合双段幂律分布,表明网络具有无标性特征。③陕西省产业部门碳排放关联网络存在聚类现象,根据板块内外相互影响关系将碳排放网络划分为四个板块:板块Ⅰ为“净受益板块”,主要由煤炭开采和洗选业等碳排放较高的产业部门组成;板块Ⅱ为“经纪人板块”,主要由电力、热力的生产和供应业等碳排放相对较高的产业部门组成,在网络中充当中介和桥梁作用;板块Ⅲ为“净溢出板块”,主要由碳排放较低的产业部门组成;板块Ⅳ为“双向溢出板块”,板块内和板块外均存在溢出关系。

4.2 建议

基于上述结论,提出如下政策建议:①全面认识产业部门碳排放关联关系。在制定碳减排政策措施时,不仅要考虑产业部门的属性数据,还要重视产业部门间的碳排放联系，逐步形成从点转向面,从局部转向整体的节能思路。在深刻理解产业部门碳排放联系的基础上,针对产业部门制定节能减排措施,避免出现措施间效应相互抵消的情况,保证经济健康平稳的发展。其次,应充分发挥网络的整体性,建立循环利用资源机制提升产业部门碳排放关联网络的整体质量,从而减少碳排放。②充分发挥中心产业部门的主导优势。利用中心产业部门的影响力和控制力带动其他产业部门碳排放降低。具体有以下两点:一是鼓励中心产业部门开发新技术,提高对能源的利用效率,促进产业结构转型,从而带动整个产业部门碳排放关联网络的优化。二是鼓励中心产业部门使用太阳能、风能、水能等清洁能源,以点带面逐步降低整个产业部门的能耗水平。三是着重关注板块的关联效应,实行各产业部门分类管理。一方面,针对碳排放需求较大的“净受益”和“经纪人”板块,把优化产业结构作为节能减排的重心。在关注产业发展的同时,协调好轻、重工业的关系。优化产业园,形成产业集群,配套共享服务业,促进产业部门间资源循环利用,调节板块内部的碳排放关联结构。同时,利用这些板块的优势,开发新技术,使用清洁能源,带动“净溢出”和“双向溢出”板块完成低碳经济转型。另一方面,对于碳排放溢出效应较大的“净溢出”和“双向溢出”板块,在保证经济稳定发展的前提下,淘汰一些工艺和装备落后、环境污染重的产能,降低板块向外的碳排放输出量。

[1]Mao GZ,Dai X,Wang Y,etal.Reducing Carbon Emissions in China:Industrial Structural Upgrade Based on System Dynamics[J].Energy Strategy Reviews,2013,2(2)∶199-204.

[2]Chang N.Changing Industrial Structure to Reduce Carbon Dioxide Emissions：A Chinese Application[J].Journal of Cleaner Production,2015,103(12)∶40-48.

[3]Can Sdlrd,Price L,Zwickel T.Understanding the Full Climate Change Impact of Energy Consumption and Mitigation at the End-use Level：A Proposed Methodology for Allocating Indirect Carbon Dioxide Emissions[J].Applied Energy,2015,159(11)∶548-559.

[4]Wang WX,Kuang Q,Huang NS.Study on the Decomposition of Factors Affecting Energy-related Carbon Emissions in Guangdong Province,China[J]. Energies,2011,4(12)∶2249-2272.

[5]Tan ZF,Li L,Wang JJ,etal.Examining the Driving Forces for ImprovingChina′s CO2Emission Intensity Using the Decomposing Method[J].Applied Energy,2011,88(12)∶4496-4504.

[6]杜强,孙强,杨琦,等.中国交通运输业碳排放驱动因素的通径分析方法[J].交通运输工程学报,2017,(2)∶143-150.

[7]曹俊文.江西省产业部门碳排放特征及减排途径——基于1992—2007年投入产出分析[J].经济地理,2011,31(12)∶2111-2115.

[8]徐盈之,邹芳.基于投入—产出分析法的我国各产业部门碳减排责任研究[J].产业经济研究,2010,(5)∶27-35.

[9]Ju LP,Chen B.An Input-output Model to Analyze Sector Linkages and CO2Emissions[J].Procedia Environmental Sciences,2010,2(6)∶1841-1845.

[10]孙建卫,陈志刚,赵荣钦,等.基于投入—产出分析的中国碳排放足迹研究[J].中国人口·资源与环境,2010,20(5)∶28-34.

[11]Wang Y,Wang W,Mao G,etal.Industrial CO2Emissions in China Based on the Hypothetical Extraction Method：Linkage Analysis[J].Energy Policy,2013,62(7)∶1238-1244.

[12]钱明霞,路正南,王健.基于假设抽取法的产业部门碳排放关联分析[J].中国人口·资源与环境,2013,23(9)∶34-41.

[13]Webster GD,GesselmanN AN,Crosier BS.Avoidant Adult Attachment Negatively Relates to Classroom Popularity：Social Network Analysis Support for the Parent-partner-peer Attachment Transfer Model[J].Personality amp; Individual Differences,2016,96(7)∶248-254.

[14]Xu WY,Zhou CB,Cao AX,etal.Understanding the Mechanism of Food Waste Management by Using Stakeholder Analysis and Social Network Model:An Industial Ecology Perspective[J].Ecological Modelling,2016,337(10)∶63-72.

[15]Cassi L,Morrison A,Anne LJ,etal.The Evolution of Trade and Scientific Collaboration Networks in the Global Wine Sector：A Longitudinal Study Using Network Analysis[J].Economic Geography,2012,88(3)∶311-334.

[16]李敬,陈澍,万广华，等.中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究,2014,(11)∶4-16.

[17]方爱丽.基于复杂网络理论的投入产出关联分析[D].青岛：青岛大学博士学位论文,2008∶32-33.

[18]王茂军,杨雪春.四川省制造产业关联网络的结构特征分析[J].地理学报,2011,66(2)∶212-222.

[19]张智慧,刘睿吉力.基于投入—产出分析的建筑业碳排放核算[J].清华大学学报(自然科学版),2013,53(1)∶53-57.

[20]杜强,张诗青.中国建筑业能源碳排放环境库兹涅茨曲线与影响脱钩因素分析[J].生态经济,2015,31(12)∶59-69.

[21]Wasserman S,Faust K.Social Network Analysis：Methods and Applications[M].London：Cambridge University Press,1994∶40-186.

[22]刘华军,刘传明,孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济,2015,(5)∶83-95.

CarbonEmissionCorrelationNetworkofIndustrialSectors——ACaseStudyofShanxiProvince

DU Qianga,XU Ya-danb,WEI Jingb
(Chang′an University a.School of Economics and Management;b.School of Civil Engineering,Xi′an 710061,China)

This paper introduced the method of network analysis into the field of correlative effects of different industries′ carbon emissions.From the perspective of relations,this paper analyzed the internal links and the interactions of carbon emissions in various industrial sectors.Cross-sectoral coordination of emissions reduction could be achieved by using the influences and control abilities of the central industrial sectors.Taking Shanxi Province as an example,network analysis was employed to assess the carbon emission network′s characteristics based on the data of these industries from 2005 to 2014,and the results showed that the network had strong affinity.Sectors of construction,transportation equipment manufacturing,smelting and pressing of metals and agriculture,forestry,animal husbandry and fishery in Shanxi Province were located in the center of the network,and played a significant influence in other sectors of the network.The centrality of the network was in accordance with the two-phase power-law distribution,which indicated that the carbon emission correlation network had the scale-free characteristics.There was an obvious clustering phenomenon exiting in the network and which could be categorized into four block in line with interaction relation among these sectors:Net beneficial block,broker block,net spillover block,and bidirectional spillover block.

carbon emissions;industrial sectors;associated network;network analysis

10.3969/j.issn.1005-8141.2017.12.008

X322

A

1005-8141(2017)12-1449-07

2017-10-21；

2017-11-15

国家社会科学基金项目“推进新型建筑工业化对行业碳排放的影响:机理及实证研究”(编号:16CJY028);教育部人文社会科学研究青年基金项目“建筑业碳排放与经济增长关系及动态变化机制研究”(编号:15YJC790015);中央高校基金人文社科项目“建筑业低碳化发展机制研究”(编号:310828160648);中央高校基金人文社科项目“中国建筑业碳排放的时空差异及影响因素研究”(编号:310823170648);中央高校基金人文社科重点项目“面向一带一路的工程项目群协同优化研究”(编号:10823170213)。

杜强(1981-),男,河南省洛阳人,博士,副教授,研究方向为低碳工程技术与经济。

许雅丹(1993-),女,河南省洛阳人,硕士研究生,研究方向为低碳工程技术与经济。