科研管理

科研管理 ›› 2016, Vol. 37 ›› Issue (12): 82-91.

• 论文 • 上一篇    下一篇

中国省域居民生活能源消费的空间效应研究

孙涵1,2，申俊1，彭丽思1，聂飞飞1，於世为1,2   

  1. 1中国地质大学(武汉)经济管理学院，湖北 武汉430074；
    2中国地质大学(武汉)资源环境研究中心，湖北 武汉430074
  • 收稿日期:2015-04-23 修回日期:2016-03-29 出版日期:2016-12-20 发布日期:2016-12-16
  • 通讯作者: 孙涵
  • 基金资助:

    国家自然科学基金项目“中国城市居民生活完全能源消费的测算及影响因素分析”（编号：71103164，起止时间：2012-2014）；教育部人文社科基金项目“能源消费对空气污染的公共健康效应研究：——基于空间相关性分析”（编号：15YJC790091，起止时间：2016-2018）。本论文得到国家留学基金以及中国地质大学(武汉) 数字化商务与智能管理研究中心和国家留学基金委的资助。

The Influence Factors Analysis of Provincial Household Energy Consumption----Based on Spatial Econometric Perspective

Sun Han 1,2, Shen Jun 1, Peng Lisi1, Nie Feifei1, Yu Shiwei 1,2   

  1. 1.School of Economics and Management, China University of  Geosciences (Wuhan), Wuhan 430074, Hubei, China;
    2. Research Center of Resources and Environment, China University of  Geosciences (Wuhan), Wuhan 430074, Hubei, China
  • Received:2015-04-23 Revised:2016-03-29 Online:2016-12-20 Published:2016-12-16

摘要： 摘要：本文基于2008—2012年中国30个省域为研究对象，从Bayes空间计量的角度研究省域之间生活能源消费的空间效应，并分析生活能源消费碳排放的影响因素。视角对省域居民能源消费及其影响因素进行了空间计量分析。研究结果表明：中国省域居民能源消费存在显著的空间自相关，多数省域的居民能源消费在空间上呈现高-高和低-低集聚；人口规模是影响居民能源消费最重要的影响因素，控制城镇人口规模的增长速度是降低居民能源消费的关键；从当期效应来看，各变量对居民能源消费的直接效应和总效应均显著为正，因此，降低能源消费需要控制人口规模的增长速度、降低能源消费强度、引导和改善居民消费结构不断升级。

null

关键词: 生活能源消费, Bayes空间计量模型, 影响因素, 集聚效应

Abstract: Abstract: Based on Spatial Econometric Perspective，this paper takes Chinese 30 provinces as the research object and makes a spatial econometric analysis of factors and its influence on provincial resident energy consumption. The research results show that: 1.There is a significant spatial auto correlation in Chinese provincial residential energy consumption and most of residential energy consumption in space showed high - high and low - low concentration;2. The population scale is the most important factor influencing residential energy consumption and controlling the growth speed of urban population scale is the key to reduce the residential energy consumption;3. From the current effect, the direct and total effects of variables on residential energy consumption are significantly positive. Therefore, reducing the energy consumption and carbon emissions need to control the growth rate of population scale, reduce the energy consumption intensity, guide and improve the residents' consumption structure.

Key words: household energy consumption, Bayesian Spatial Econometric Model, influence factor, agglomeration effect