APP下载

基于STIRPAT模型的中国海洋渔业碳排放驱动因素研究

2022-07-10曹俐范黎明

海洋开发与管理 2022年5期
关键词:海洋渔业碳排放经济发展

曹俐 范黎明

摘要:文章基于ORNL提出的碳排放测算方法对中国沿海11个省(自治区、直辖市)2009—2018年的海洋渔业碳排放进行测算,并通过加入财政分权和产业结构等因素,对传统STIRPAT模型进行拓展,考察中国海洋渔业碳排放驱动因素。研究结果显示:财政分权、经济发展水平、产业结构和科研投入是中国海洋渔业碳排放的重要驱动因素。其中由于财政分权体制不完善等原因,财政分权成为海洋渔业碳排放的正向驱动因素;经济发展水平对海洋渔业碳排放的正向影响随着经济发展水平的提高逐渐减弱;产业结构和科研投入是海洋渔业碳排放的负向驱动因素。基于此,文章建议优化完善财政分权结构和政府考核机制,加大科研投入,优化产业结构,从而促进海洋渔业低碳发展。

关键词:海洋渔业;碳排放;STIRPAT模型;经济发展;海洋强国

中图分类号:F326.4;P74    文献标志码:A    文章编号:1005-9857(2022)05-0039-08

Research on Driving Factors of China's Marine Fisheries Carbon Emissions Based on STIRPAT Model

CAO Li,FAN Liming

(College of Economics and Management,Shanghai Ocean University,Shanghai 201306,China)

Abstract:Based on the ORNL carbon emission measurement method,the marine fishery carbon e­missions of 11 coastal provinces in China were calculated from 2009 to 2018,and by adding factors such as fiscal decentralization and industrial structure,the traditional STIRPAT model was ex­panded to examine the driving factors of China's marine fishery carbon emissions. The research re­sults showed that:fiscal decentralization,economic development level,industrial structure and scientific research investment are important driving factors for China's marine fishery carbon emissions. Among them,due to the imperfect fiscal decentralization system and other reasons,fiscal decentralization has become a positive driving factor for marine fishery carbon emissions. The positive impact of economic development,level on marine fishery carbon emissions gradually weakened with the increase of economic development level. Industrial structure and scientific re­search investment were the negative driving factors of marine fishery carbon emissions. Based on this,the paper proposed to optimize and improve the fiscal decentralization structure and govern­ment assessment mechanism ,increase scientific research investment,optimize the industrial struc­ture,and promote the low-carbon development of marine fisheries.

Keywords:Marine fisheries,Carbon emission,STIRPAT model,Economic development,

Maritime power

0    引言

海洋漁业是中国海洋经济的重要组成部分,其与海洋经济收益和食品供给等诸多方面息息相关,是海洋强国战略中至关重要的一环,但与此同时海洋渔业对能源、资源依赖度高,对环境产生了较大影响,海洋渔业所排放的温室气体约占全球的3%~6%[1],中国海洋捕捞业单位产值碳排放量是农业、林业、牧业、渔业和水利行业平均水平的3.4倍[2],海洋渔业已成为温室气体排放的重要来源之一。中国作为世界碳排放大国,一直积极应对全球气候变化,不断提高国家自主贡献力度。

海洋渔业碳排放具有复杂性和双向性的特点,识别海洋渔业碳排放驱动因素对实现海洋渔业碳达峰、碳中和目标具有重要意义。目前有关海洋渔业碳排放驱动因素的研究相对较少。单因素研究方面,张荧楠[3]探究海洋渔业产业结构优化对海洋渔业碳排放的影响,研究结果表明海洋渔业产业结构优化对海洋渔业碳排放效率具有显著的正向影响并且具有空间溢出性;多因素研究方面,邵桂兰等[4]基于LMDI法将海洋渔业碳排放的驱动因素分解为碳排放系数、能源强度、产业结构和产业规模4个因素对海洋渔业碳排放进行实证研究;曾冰[5]选择经济发展水平、科技推广力度、产业结构优化和对外开放水平4个因素作为渔业碳排放效率的驱动因素。目前海洋渔业碳排放驱动因素主要集中于经济、科技和产业方面,对于体制因素涉及相对较少。自1994年中国正式实行分税制改革以来,中央政府和地方政府新的财税分配权制度对地方政府行为产生了深刻的影响,并进一步影响了生态环境。一方面,合理的财政分权使地方的事权和支出责任相匹配,各级政府之间政策协调能力加强,财政分权体制使具有信息优势的地方政府自主性提高,促进了地方环境公共物品方面的供给效率,有利于环境治理;另一方面财政分权以及基于政绩考核下的政府竞争容易造成地方政府公共支出结构的扭曲,地方政府为吸引外商直接投资(FDI)会导致出现主动降低环境标准这种“逐底效应”,造成环境问题的恶化。2020年5月国务院颁布的《生态环境领域中央与地方财政事权和支出责任划分改革方案》中明确指出,加快构建生态文明体系应充分发挥中央和地方两个积极性体制机制。财政分权已成为推进生态文明建设促进高质量发展的重要力量,如何发挥财政分权在环境治理方面的积极作用至关重要,目前已有少数学者在研究农业生态问题时尝试考虑财政分权体制因素[6],但目前有关财政分权与海洋渔业碳排放之间关系的研究依旧较为缺失,在海洋渔业碳排放驱动因素研究体系中引入财政分权因素有助于为财政分权如何有效促进海洋渔业碳减排提供借鉴,有助于加快实现海洋渔业低碳发展。

基于此,本研究采用美国能源部橡树岭国家实验室(ORNL)[7]提出的碳排放测算方法对中国沿海11个省(自治区、直辖市)2009—2018年的海洋渔业碳排放进行测算,并使用改进的STIRPAT模型,选择财政分权、经济发展水平、产业结构和科研投入4种驱动因素进行中国海洋渔业碳排放因素研究。本研究对中国海洋渔业碳排放驱动因素进行研究,为海洋渔业实现碳达峰、碳中和目标打下基础。同时本研究探究了财政分权体制因素对海洋渔业碳排放的影响,丰富了海洋渔业碳排放驱动因素研究体系,为财政分权如何有效地促进海洋渔业高质量发展,实现海洋渔业碳达峰、碳中和目标提供指引方向。

1    理论分析与模型构建

1.1    理论分析

笔者在研究海洋渔业碳排放驱动因素时,引入财政分权作为体制因素,选择财政分权、经济发展水平、产业结构和科研投入作为影响海洋渔业碳排放的重要因素。

财政分权指中央政府将财政控制下放给地方政府[8]。理论层面上,Tiebout模型和奥茨(Oates)分权定理等财政分权理论指出,由地方政府差异化提供公共物品如环境治理等,比统一由中央政府提供更能增加社会福利。中央政府的信息滞后性容易造成资源误配,导致决策成本增加,地方政府具有区域信息优势,财政分权将财政控制下放给地方政府会更有利于降低地方公共事务决策成本,提高决策效率,有利于环境治理等公共服务的供给。但事实上,中国财政分权体制赋予了地方政府控制和支配财政收入剩余的权力,地方政府可以从地区经济增长和财政收入增加中获得利益,因此地方政府的行为往往追求经济利益最大化从而容易出现环境污染恶化、碳排量增加等现象。财政分权导致的地方政府之间的不合理竞争容易造成地方政府公共支出结构的扭曲,甚至还会出现地方政府为增加财政收入吸引FDI而降低环境标准这种“逐底效应”,造成环境问题的恶化。除此之外,中国财政分权体制下还可能出现地方政府官员为获得晋升、认可等政治利益,而追求任期内的经济增长,导致财政支出偏好短期收益高的项目,而碳减排等非经济性公共产品因其短期内无法提供直接经济效益而被忽视,甚至还可能出现寻租等行为进一步阻碍碳排放的控制。

经济发展水平与碳排放之间的关系被广泛讨论,其中EKC曲线是最常用于分析经济发展水平与碳排放两者关系的方法。EKC曲线描述了经济发展水平与碳排放之间的非线性关系,即前期经济发展水平逐渐增长时,由于生产活动的不断扩张往往伴随着环境破坏以及污染增加,所以此阶段经济发展水平与碳排放会呈现正相关关系;当污染不断增加,环境污染给人们带来的负效应超过了经济发展带来的收益时,人们会产生控制污染的主动愿景,并且基于前期经济发展和技术进步的基础,人们也拥有了一定控制污染的能力,如用于治理污染减少碳排放的资金和技术等,因此此阶段经济发展水平与碳排放呈现负相关关系。

产业结构表现了生产要素在产业部门之间的分配状况与关联方式[9]。产业结构的演进则反映发展模式的变化,对生态环境会产生重要影响。渔业三产主要包括水产流通、水产运输等流通和服务业,相比渔业一产和二产,渔业三产生产过程中的碳排放相对较低。以渔业三产产值占渔业经济总产值比重表示的产业结构与碳排放之间应呈现负相关关系。

科研投入与碳排放之间的关系可以从科技进步、科技创新的角度进行分析。科研投入的水平能够在一定程度上反映科技进步与科技创新的水平,已有相关研究表明科技进步和科技创新能够带来碳排放的减少。Lee等[10]研究发现绿色科研投入有助于降低碳排放量,韩川[11]研究发现技术进步可以有效推动中国工业碳减排工作的实施,张金鑫等[12]通过实证研究发现农业技术创新对农业碳排放具有显著的负向影响。

1.2    模型构建

1.2.1    海洋漁业碳排放驱动因素研究模型概述

科学全面地研究中国海洋渔业碳排放驱动因素需要选择科学合理的研究方法,目前关于碳排放驱动因素的研究方法主要有Kaya恒等式、LMDI方法、EKC模型以及STIRPAT模型。由日本学者Kaya提出的Kaya恒等式将温室气体排放量与相关宏观因子相联系,林伯强等[13]采用修正的Kaya恒等式对中国城市化阶段碳排放的影响因素进行了研究。韦沁等[14]引用Kaya恒等式将能源因素去掉,加入农业产值和农林牧渔总产值对农业碳排放的驱动因素进行研究。Kaya恒等式具有数学形式简单、对驱动因素具有较强的解释力等优点,但在使用Kaya恒等式进行驱动因素分析时,需要进行逐年或者分时段的分析,其局限于动态变化量的解释[15]。LMDI方法是一种指数因素分解法,Ang等[16]运用LMDI分解法对世界各国电力碳强度的驱动因素进行分解,发现发电热效率是主要驱动因素之一。王凤婷等[17]运用LMDI模型探究了京津冀产业能源碳排放的驱动因素,研究发现经济强度因素正向促进碳排放。Lin等[18]利用Kaya恒等式和LMDI分解方法考察了影响中国能源密集型产业碳排放的主要因素,然后采用协整理论构建碳排放量与主要因素之间的长期关系。LMDI方法虽能实现无残差分解,量化特定年份影响因素的贡献率,但无法分析考察各因素的弹性[19]。EKC曲线认为环境污染与经济呈现“U”型曲线关系,学者基于EKC曲线进行拓展研究碳排放与经济等宏观因素之间的关系。范丹[20]将能源强度、空间相关性引入EKC曲线中,重新构建中国二氧化碳EKC模型探究碳排放驱动因素。张云等[21]基于工业行业EKC模型研究发现对外贸易开放有助于减少碳排放。目前EKC曲线中经济与碳排放的关系已经多被其他碳排放研究模型考虑。STIRPAT模型源于IPAT模型,IPAT模型将环境因素与社会因素用乘法相联系,随后学者通过引入差异弹性和误差项建立了STIRPAT模型,STIRPAT模型后被广泛用于碳排放驱动因素研究中。Ma等[22]使用STIRPAT模型分析评估影响中国公共建筑碳排放的驱动力,将城镇化水平和中国人均建筑面积引入模型中。王向前等[23]在传统STIRPAT模型中引入能源消费结构并从煤炭生产侧与消费侧视角对工业煤炭碳排放的影响因素进行研究。STIRPAT 模型考虑了差异弹性和误差项,能够将各驱动因素的影响作为参数进行估计,具有较强的拓展性。基于本研究对中国海洋渔业碳排放驱动因素研究体系进行了丰富拓展,综合考虑财政分权、经济发展水平、产业结构和科研投入4种驱动因素,因此选择改进的STIRPAT模型对中国海洋渔业碳排放驱动因素进行研究。

1.2.2    STIRPAT模型构建

STIRPAT模型来源于IPAT模型,该模型于1971年由Ehrlich等[24]提出,其将环境因素与社会因素用乘法联系在一起,公式表示为:

I=P×A×T    (1)

式中:I为环境因素;P为人口因素;A为经济因素;T为技术因素。但该模型没有考虑差异弹性等因素,具有局限性,因此Dietz等[25]于2003年为克服局限性对IPAT模型进行改进,引入差异弹性和误差项建立了STIRPAT模型,公式表示为:

I=aPATe    (2)

式中:a为模型的系数;b、c、d分别为变量P、A、T的驱动指数;e为误差项。实际研究中多使用其对数形式,公式表示为:

lnI=lna+blnP+clnA+dlnT+lne    (3)

STIRPAT模型的适用性很强,但在研究海洋渔业碳排放驱动因素时需要对其进行一些改变来让研究更具有针对性。①剔除人口因素,海洋渔业虽然从业人数众多,但是本研究的海洋渔业碳排放主要是海洋渔业生产活动中产生的碳排放量,因此人口因素不再适合作为驱动因素进行研究。②基于财政分权、产业结构对碳排放的影响机理,引入财政分权和产业结构两个变量作为驱动因素研究。③基于环境库兹涅兹曲线,引入人均地区生产总值(GDP)的二次项,全面考察经济发展水平的影响。基于以上分析,本研究设定改进的STIRPAT模型如式(4)。

lnC=βlnFD+βlnGDP+βlnGDP+βlnSTR+βlnTECH+ε    (4)

式中:i为省市截面单位;t为年份;C为海洋渔业碳排放量;FD为财政分权;GDP为经济发展水平;STR为产业结构;TECH为科研投入;ε为随机误差项;β为回归系数。

1.2.3    变量选取

本研究选取以下变量进行中国海洋渔业碳排放驱动因素研究。

海洋渔业碳排放量(C):海洋渔业碳排放量指海洋渔业生产过程中产生的碳排放量。其中碳排放量可分为直接碳排放量和间接碳排放量,直接碳排放量指来源于能源燃烧所产生的直接碳排放量,主要指捕捞业中机动渔船生产过程中能源燃烧所产生的碳排放量。间接碳排放量指来源于电力使用而导致的间接碳排放,主要指海水养殖业生产过程中的供氧通电以及海水产品加工业中冷冻、加工等过程中消耗电力而导致的碳排放。渔业经济总能耗中捕捞业能耗占比已高达70%[26],海洋捕捞渔船的碳排放量占渔船总碳排放量的81%[27],渔船柴油机产生的废气排放容易造成全球变暖、酸雨等严重问题,因此海洋捕捞业是渔业碳排放的主要领域,是海洋渔业节能减排实现碳达峰、碳中和目标的关键对象。基于此,本研究选择海洋捕捞渔船生产过程中能源燃烧所产生的直接碳排放量作为海洋渔业碳排放量进行研究。

海洋渔业碳排放量的测算方法借鉴张祝利等[28]对我国渔船作业过程中碳排放的估算方法,采用ORNL提出的化石燃料燃燒排放二氧化碳的计算方法,计算公式:

Q=Q×F×C×ξ    (5)

式中:Q为碳量,单位为t;Q为有效氧化分数,数值为0.982;F为每吨标煤含碳量,数值为0.732 57;C为标准煤当量,本研究按柴油折标准煤系数为1.457 1计算;ξ表示在获得相同热能的情况下,燃油排放二氧化碳与燃煤排放二氧化碳的比值,数值为常数0.813。

在测算出碳量的基础上使用计算公式(6)测算海洋渔业二氧化碳排放量,计算公式:

Q=Q×ω    (6)

式中:Q为二氧化碳排放量;3为碳换算二氧化碳常数,数值为3.67(以二氧化碳的碳含量为27.27%计算)。

驱动因素方面,财政分权(FD)本研究选择预算内地方财政收入与预算内地方财政支出之比来表示。预算内地方财政收入与预算内地方财政支出之比为财政自给度,陈硕等[29]研究发现财政自给度是一种能够有效反映省份之间的差异,可以衡量中央政府与地方政府之间的财政关系的指标;经济发展水平(GDP)本研究选择人均国内生产总值表示,并使用GDP平减指数剔除价格因素。同时引入人均国内生产总值的平方项,研究经济发展水平与海洋渔业碳排放之间是否存在非线性关系;产业结构(STR)本研究选择各省(市)渔业三产产值(渔业流通和服务业)与渔业经济总产值之比来表示;科研投入(TECH)本研究选择各省(市)水产科技推广机构占比来表示。

本研究使用2009—2018年中国沿海11个省(自治区、直辖市)的面板数据,主要数据来源于《中国渔业年鉴》《中国渔业统计年鉴》《中国统计年鉴》以及EPS全球统计数据平台。具体数据统计描述情况见表1。

2    实证分析

基于改进的STIRPAT模型对中国海洋渔业碳排放驱动因素进行实证研究。首先通过F检验以及Hausman检验确定面板数据回归模型的类型,通过F检验判断模型是否选择混合回归模型,如果不选择混合回归模型则进行Hausman检验在固定效应模型和随机效应模型中进行选择。表2为中国海洋渔业碳排放驱动因素实证回归结果。

从表2可以看出,F检验的结果强烈拒绝原假设,即应该允许每位个体拥有自己的截距项,说明应该排除混合回归模型。Hausman检验结果强烈拒绝原假设,说明固定效应模型与随机效应模型两者之间应该选择固定效应模型。固定效应模型可以分为单向固定效应模型和双向固定效应模型,本研究对时间虚拟变量进行联合假设检验,结果显示固定效应模型应该使用同时考虑个体固定效应和时间固定效应的双向固定效应模型。

表2中固定效应模型为双向固定效应模型的回归结果,通过回归结果可以看出财政分权、经济发展水平、产业结构和科研投入4种因素都显著影响海洋渔业碳排放量,是海洋渔业碳排放的重要驱动因素。双向固定效应模型中,财政分权前的系数为正,并在5%显著性水平上显著,说明财政分权程度的增加会导致海洋渔业碳排放量的增加,即财政分权对海洋渔业碳排放具有显著正向影响。这说明目前财政分权在海洋渔业碳减排领域并没有发挥积极作用,财政分权给予了地方政府一定的财政控制权,地方政府本应该发挥自身信息优势,提高公共物品决策效率增加社会福利,更好地完成环境保护碳减排等工作。但是由于财政分权给予了地方政府控制和支配财政收入剩余的权力,经济收益最大化目标以及不完善的政治考核机制导致了不合理的政府间竞争和政府行为,扭曲了公共支出,政府更加注重能带来经济收益的项目而忽略了环境保护碳减排等非經济性公共产品的供给。同时财政分权体制下容易出现事权与支出责任不匹配的问题,中央政府与地方政府以及各级政府之间出现事权错位导致职责不清政府行为效率下降,同时地方政府支出责任与财政收入的不适应导致地方政府出现对碳减排等公共服务投入不足的现象。

经济发展水平方面,经济发展水平的一次项系数为正,并在5%显著性水平上显著,经济发展水平的二次项系数同样为正,并在1%显著性水平上显著。这说明经济发展水平的增长会导致海洋渔业碳排放量的增加,即经济发展水平对海洋渔业碳排放具有显著正向影响。值得注意的一点是,经济发展水平的一次项系数远大于二次项系数,说明当经济发展水平较高时,经济发展水平对海洋渔业碳排放的正向影响会显著减弱,即说明海洋渔业碳排放符合环境库兹涅兹曲线但是还没有到达曲线拐点。目前经济发展水平的增长依旧伴随着海洋渔业碳排放的增加,经济发展水平与碳排放呈现正相关关系,但是经济发展水平的增加也表示能够有更多的资金可以投入到海洋渔业碳减排发展方面,因此经济发展水平对海洋渔业碳减排的正向影响是逐渐减弱的。

产业结构方面,产业结构前的系数为负,并在1%显著性水平上显著,说明产业结构对海洋渔业碳排放具有显著负向影响。优化渔业产业结构可以从产业发展模式角度促进海洋渔业的低碳化发展。渔业三产相比渔业一产和二产在生产过程中具有低碳的特点,调整优化渔业产业结构和范围是促进低碳发展的重要举措。

科研投入方面,科研投入前的系数为负,并在1%显著性水平上显著,说明科研投入的增加可以显著降低海洋渔业碳排放量,科研投入对海洋渔业碳排放具有显著负向影响。渔业科研投入的增加能够带来显著的技术创新效应,是减少海洋渔业生产过程中产生碳排放的关键手段,是从根本上解决碳减排问题的重要举措。如何最大限度地发挥科研投入在海洋渔业低碳发展中的支撑和引领作用是海洋渔业实现碳达峰、碳中和目标的重要任务。

3    结论与建议

本研究基于改进的STIRPAT模型,使用2009—2018年中国沿海11个省(自治区、直辖市)的面板数据对中国海洋渔业碳排放驱动因素进行实证研究并得到以下结论:财政分权、经济发展水平、产业结构和科研投入4种因素是中国海洋渔业碳排放的重要驱动因素。其中由于目前的财政分权体制和政府考核机制的不完善以及事权和支出责任不匹配等原因,地方政府的公共支出结构出现扭曲,地方政府倾向于发展经济而忽略环境保护等非经济性公共服务的供给,财政分权目前是海洋渔业碳排放的正向驱动因素。经济发展水平目前也是海洋渔业碳排放的正向驱动因素,不过经济发展水平的二次项系数说明经济发展水平对海洋渔业碳减排的正向影响是逐渐减弱的。产业结构和科研投入是海洋渔业碳排放的负向驱动因素,能够有效抑制海洋渔业碳排放的增加,是海洋渔业碳排放实现低碳发展的关键驱动力。

结合上述研究结果和分析,本研究提出政策建议如下:一是优化完善财政分权体制和政府考核机制,将财政分权转变为推动海洋渔业低碳发展的重要力量。合理的财政分权体制和政府考核机制下,财政分权能够发挥地方政府的信息优势,提高地区公共服务供给效率,有利于地区环境保护和碳减排。因此要不断完善财政分权体制,合理划分事权和支出责任,同时增加政府考核机制中的环境考核指标,加强有效监管严格落实指标考核。二是加大科研投入,优化产业结构。科研投入是海洋渔业碳排放的重要负向驱动因素,加大科研投入,增强科技创新,推动产学研联合创新,提升海洋渔业产业的整体技术水平,重视科技创新能力的提升并通过科技进步从根本上高效实现海洋渔业碳减排。优化产业结构,推动产业低碳发展,大力发展休闲渔业等低碳排放部门,降低海洋渔业中高碳排放生产部门的比重。

参考文献

[1]CORBETT J J,WANG C,WINEBRAKE J J,et al. Allocation and forecasting of global ship emissions [R]. USA:Clean Air Task Force,2007.

[2]张祝利,王贤瑞,丁建乐.国内外捕捞渔船碳减排技术发展状况[J].渔业现代化,2013,40(2):71-75.

[3]张荧楠.海洋渔业产业结构优化对碳排放效率的影响:基于我国沿海地区的空间计量分析[J].海洋开发与管理,2021,38(4):3-15.

[4]邵桂兰,孔海峥,于谨凯,等.基于LMDI法的我国海洋渔业碳排放驱动因素分解研究[J].农业技术经济,2015(6):119-128.

[5]曾冰.长江经济带渔业经济碳排放效率空间格局及影响因素研究[J].当代经济管理,2019,41(2):44-48.

[6]曹俐,范黎明,雷岁江.财政分权、环境规制与农业生态效率[J].统计与决策,2021,37(19):138-143.

[7]ORNL.Estimate of CO2 emission from fossil fuel burning and cement manufacturing[M].ORNL/CD IAC225.Carbon Dioxide Information Analysis Center,Oak Ridge National Laboratory,Oak Ridge,Tennessee,USA,1990.

[8]林毅夫,刘志强.中国的财政分权与经济增长[J].北京大学学报(哲学社会科学版),2000(4):5-17.

[9]周建安.中国产业结构升级与就业问题的灰色关联分析[J].财经理论与实践,2006,27(143):94-98.

[10]LEE K H,MIN B.G-reen R&D for eco-innovation and its impact on carbon emissions and firm performance[J].Journal of Cleaner Production,2015,18:534-542.

[11]韓川.技术进步对中国工业碳排放的影响分析[J].大连理工大学学报(社会科学版),2018,39(2):65-73.

[12]张金鑫,王红玲.环境规制、农业技术创新与农业碳排放[J].湖北大学学报(哲学社会科学版),2020,47(4):147-156.

[13]林伯强,刘希颖.中国城市化阶段的碳排放:影响因素和减排策略[J].经济研究,2010,45(8):66-78.

[14]韦沁,曲建升,白静,等.我国农业碳排放的影响因素和南北区域差异分析[J].生态与农村环境学报,2018,34(4):318-325.

[15]袁路,潘家华.Kaya恒等式的碳排放驱动因素分解及其政策含义的局限性[J].气候变化研究进展,2013,9(3):210-215.

[16]ANG BW,SU B.Carbon emission intensity in electricity pro­duction:a global analysis[J].Energy policy,2016,94:56-63.

[17]王凤婷,方恺,于畅.京津冀产业能源碳排放与经济增长脱钩弹性及驱动因素:基于Tapio脱钩和LMDI模型的实证[J].工业技术经济,2019,38(8):32-40.

[18]LIN B,TAN R.Sustainable development of China's energy intensive industries:from the aspect of carbon dioxide emissions reduction [J]. Renewable and sustainable energy reviews,2017,77:386-394.

[19]陈占明,吴施美,马文博,等.中国地级以上城市二氧化碳排放的影响因素分析:基于扩展的STIRPAT模型[J].中国人口·资源与环境,2018,28(10):45-54.

[20]范丹.中国二氧化碳EKC曲线扩展模型的空间计量分析[J]. 宏观经济研究,2014(5):83-91.

[21]张云,韩露露,尹筑嘉.中国对外贸易环境效应:工业行业EKC与碳泄漏实证分析[J].上海经济研究,2019(2):110-118.

[22] MA M,YAN R,CAI W.An extended STIRPAT Model-based methodology for evaluating the driving forces affecting carbon emissions in existing public building sector:evidence from China in 2000—2015 [J ]. Natural hazards,2017,89(2):741-756.

[23]王向前,夏丹.工业煤炭生产—消费两侧碳排放及影响因素研究:基于STIRPAT-EKC的皖豫两省对比[J].软科学,2020,34(8):84-89.

[24] EHRLICH P,HOLDREN J.Impact of Population Growth[J]. Science,1971,171:1212-1217.

[25] DIETZ T,ROSA E A.Rethinking the Environmental Impacts ofPopulation,AffluenceandTechnology[J].HumanEcology Review,1994,1(2):277-300.

[26]徐胜,张鑫.碳金融对我国现代渔业经济发展支持研究[J].中国渔业经济,2010,28(5):11-19.

[27]张祝利.我国渔船温室气体排放研究[C]//农业部科技教育司.发展低碳农业应对气候变化:低碳农业研讨会论文集,2010:5.

[28]张祝利,王玮,何雅萍.我国渔船作业过程碳排放的估算[J].上海海洋大学学报,2010,19(6):848-852.

[29]陈硕,高琳.央地关系:财政分权度量及作用机制再评估[J].管理世界,2012(6):43-59.

猜你喜欢

海洋渔业碳排放经济发展
浅谈浅议如何提升海洋渔业档案管理水平
宁夏碳排放与经济增长的脱钩关系研究
重庆市碳排放现状及低碳发展路径分析
关于福建省进行“蓝色粮仓”建设的探讨
新常态下中国经济发展战略探究
经济“新常态”下产业结构调整与经济发展的关系
信息化管理在公路运输经济发展中的作用研究
我国对外贸易促进经济发展的研究
碳排放、产业结构与经济增长的关系研究
基于GIS技术的江苏省海洋渔业生产安全环境保障服务系统建设