張德鋼+陸遠(yuǎn)權(quán)

摘要：利用社會(huì)網(wǎng)絡(luò)分析方法（SNA）全新解構(gòu)了碳排放的空間關(guān)聯(lián)特征，并基于QAP技術(shù)揭示了碳排放空間關(guān)聯(lián)的主要影響因素。研究發(fā)現(xiàn)：碳排放呈現(xiàn)出復(fù)雜的多線程空間網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系。上海、天津、江蘇、浙江、廣東和福建等東部發(fā)達(dá)地區(qū)的省份處于網(wǎng)絡(luò)的中心地位，接收了較多的關(guān)聯(lián)關(guān)系，甘肅、青海、新疆和貴州等西部欠發(fā)達(dá)地區(qū)省份發(fā)送了較多的關(guān)聯(lián)關(guān)系，其他省份則主要起到了“傳輸”和“橋梁”的作用。碳排放可以劃分為“雙向溢出”“凈受益”“凈溢出”以及“經(jīng)紀(jì)人”四個(gè)功能板塊。地理因素、地區(qū)間經(jīng)濟(jì)發(fā)展差異以及環(huán)境規(guī)制差異對(duì)碳排放空間關(guān)聯(lián)具有顯著正向影響。

關(guān)鍵詞：碳排放；空間關(guān)聯(lián)；社會(huì)網(wǎng)絡(luò)分析；QAP

DOI：10.13956/j.ss.1001-8409.2017.04.04

中圖分類(lèi)號(hào)：F124.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-8409（2017）04-0015-04

Abstract： This paper depicts the characteristics of spatial correlation of provincial carbon emission in china by using social network analysis and studies the influence factors of spatial correlation based on QAP. Results showed that， the spatial correlation of carbon emission has structural features of complex and multithreading spatial network. Shanghai， Tianjin， Jiangsu， Zhejiang， Guangdong， Fujian and some other eastern developed provinces are in the centre position of the network， and receive more correlation relationships， Gansu， Qinghai， Xinjiang， Guizhou and some other western underdeveloped provinces send more correlation relationships， the other provinces mainly play the role of ‘transfer and ‘bridge. The carbon emission can be divided four plats constituted by ‘bidirectional spillover plate， ‘net benefit plate， ‘net spillover plate and ‘broker plate. Geographical factors， regional disparity of economic development and environment regulation have significant positive influence on spatial correlation relationships carbon emission.

Key words：carbon emission； spatial correlation； social network analysis； QAP

據(jù)國(guó)際能源署的最新數(shù)據(jù)顯示，2015年全球與能源相關(guān)的碳排放總量約為321億噸，其中30%左右的碳排放在中國(guó)產(chǎn)生，中國(guó)的碳排放已經(jīng)超過(guò)了美歐之和。值得注意的是，在關(guān)注中國(guó)碳排放總量的同時(shí)，也應(yīng)看到中國(guó)的碳排放在區(qū)域間的分布并不均衡。2014年，在與能源消費(fèi)相關(guān)的碳排放中，山東的碳排放總量最高，是排名最末位海南的26倍，而寧夏的碳排放強(qiáng)度最大，是排名最末位北京的16倍。碳排放在區(qū)域間的巨大差異導(dǎo)致在制定減排政策和分配減排任務(wù)時(shí)必然存在地區(qū)間的利益沖突，一個(gè)地區(qū)的減排目標(biāo)能否實(shí)現(xiàn)，不僅取決于自身因素，還會(huì)受制于其他地區(qū)的影響，能否有效控制碳排放越來(lái)越依賴(lài)于地區(qū)間的協(xié)調(diào)配合。事實(shí)上，眾多文獻(xiàn)研究也證實(shí)碳排放在各地區(qū)并非獨(dú)立存在，而是存在一定的空間關(guān)聯(lián)。肖黎姍指出省際碳排放具有正的空間自相關(guān)性，在局部地區(qū)呈現(xiàn)出高值的聚集特征[1]。林伯強(qiáng)認(rèn)為中國(guó)碳排放存在“俱樂(lè)部收斂”和“梯度”分布特征[2]。蘇泳嫻基于DMSP/OLS數(shù)據(jù)發(fā)現(xiàn)碳排放的空間聚集越來(lái)越明顯，基本形成了“東部沿海城市高高集聚，西部欠發(fā)達(dá)城市低低集聚”

的格局[3]。楊騫進(jìn)一步測(cè)算了中國(guó)碳排放的區(qū)域差異，結(jié)果顯示碳排放的區(qū)域差異主要來(lái)源于區(qū)域間經(jīng)濟(jì)發(fā)展的差異[4]。肖雁飛認(rèn)為區(qū)域間的碳排放轉(zhuǎn)移正在產(chǎn)業(yè)轉(zhuǎn)移經(jīng)濟(jì)發(fā)展背后悄然發(fā)生，區(qū)域產(chǎn)業(yè)轉(zhuǎn)移帶來(lái)的“碳排放轉(zhuǎn)移”和“碳泄漏”問(wèn)題越來(lái)越突出[5]。孫立成也發(fā)現(xiàn)中國(guó)碳排放存在區(qū)域間轉(zhuǎn)移，需要合理引導(dǎo)，并充分利用這種溢出效應(yīng)促進(jìn)區(qū)域經(jīng)濟(jì)均衡發(fā)展[6]。顯然，這些文獻(xiàn)都在一定程度上揭示出了中國(guó)碳排放的空間關(guān)聯(lián)特征及其溢出效應(yīng)。然而，已有研究大都基于地理鄰近的視角，只揭示了少量的空間關(guān)聯(lián)關(guān)系，而實(shí)際上中國(guó)省際碳排放可能是一種復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，具有多線程的空間關(guān)聯(lián)關(guān)系。與已有研究不同，本文采用一種新的分析方法——社會(huì)網(wǎng)絡(luò)分析法（SNA），全新解構(gòu)中國(guó)省際碳排放的空間關(guān)聯(lián)特征，并基于QAP技術(shù)揭示碳排放空間關(guān)聯(lián)的主要影響因素，有助于更加全面地認(rèn)識(shí)中國(guó)碳排放的空間關(guān)聯(lián)特征，對(duì)于不同地區(qū)聯(lián)動(dòng)參與碳排放治理具有重要意義。

1 方法與數(shù)據(jù)

1.1 中國(guó)碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建

中國(guó)碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)是各省份碳排放倆倆關(guān)聯(lián)關(guān)系的集合，各個(gè)省份為空間關(guān)聯(lián)網(wǎng)絡(luò)中的節(jié)點(diǎn)，如果兩個(gè)省份之間存在關(guān)聯(lián)關(guān)系，則可畫(huà)出一條帶有指向性的線將兩個(gè)節(jié)點(diǎn)連接起來(lái)，如此便可構(gòu)成一張?zhí)寂欧趴臻g關(guān)聯(lián)的網(wǎng)絡(luò)圖。目前，刻畫(huà)空間關(guān)聯(lián)關(guān)系的方法主要有兩類(lèi)：一類(lèi)是基于VAR模型，采用Granger Causality檢驗(yàn)方法，例如李敬[7]、劉華軍[8]等；另一類(lèi)是基于引力模型或改進(jìn)的引力模型，例如侯赟慧[9]、劉華軍[10]等。由于VAR模型對(duì)于時(shí)滯的選擇十分敏感，往往只適用于時(shí)間跨度較長(zhǎng)的數(shù)據(jù)，且不能用于截面總量數(shù)據(jù)，無(wú)法揭示網(wǎng)絡(luò)結(jié)構(gòu)的動(dòng)態(tài)演進(jìn)特征。因此，本文借鑒劉華軍[10]的做法，采用改進(jìn)的引力模型來(lái)構(gòu)建中國(guó)碳排放的空間關(guān)聯(lián)網(wǎng)絡(luò)，基本模型構(gòu)建如下：

1.2.3 塊模型分析

塊模型分析是一種研究網(wǎng)絡(luò)位置模型的方法，最早由Boorman和White[12]提出，Smith和White[13] 、Cassi等 [14]曾用此方法研究過(guò)世界經(jīng)濟(jì)體系。根據(jù)塊模型理論，第一步是對(duì)成員進(jìn)行分區(qū)，即把各個(gè)成員分到各個(gè)位置之中。第二步是根據(jù)一些標(biāo)準(zhǔn)確定各個(gè)塊的取值，即各個(gè)塊是1-塊，還是0-塊。若以密度指標(biāo)劃分區(qū)域，一般而言，可以用整體網(wǎng)絡(luò)密度作為劃分標(biāo)準(zhǔn)。Wasserman和Faust[15]開(kāi)發(fā)了評(píng)價(jià)位置內(nèi)部關(guān)系的指標(biāo)體系（見(jiàn)表1），其中g(shù)k表示某個(gè)板塊中成員數(shù)目，g表示整個(gè)網(wǎng)絡(luò)中的成員數(shù)目。

1.3 數(shù)據(jù)說(shuō)明

本文測(cè)算的碳排放來(lái)源于煤炭、天然氣、焦炭、燃料油、汽油、煤油和柴油燃燒產(chǎn)生的二氧化碳，參照聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)（IPCC）給出的碳排放折算方法進(jìn)行測(cè)算。人口數(shù)量和GDP來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。在利用式（1）構(gòu)建1995～2014年的碳排放空間關(guān)聯(lián)關(guān)系矩陣時(shí)，為剔除價(jià)格因素，采用各省份1995年為基期的GDP平減指數(shù)將GDP折算為以1995年為基期的真實(shí)值。由于《中國(guó)能源統(tǒng)計(jì)年鑒》沒(méi)有統(tǒng)計(jì)西藏的各類(lèi)能源消費(fèi)數(shù)據(jù)，因此，本文的數(shù)據(jù)包含了除西藏外的其余30個(gè)省份。

2 中國(guó)碳排放空間網(wǎng)絡(luò)關(guān)聯(lián)的實(shí)證分析

2.1 整體網(wǎng)絡(luò)特征分析

根據(jù)式（1）構(gòu)建起的碳排放的空間關(guān)聯(lián)矩陣，將2014年中國(guó)30個(gè)省份的碳排放空間關(guān)聯(lián)關(guān)系繪制成可視化的網(wǎng)絡(luò)圖，從圖1可以看出，碳排放在各省份間存在普遍的關(guān)聯(lián)關(guān)系。

進(jìn)一步地，為了反映網(wǎng)絡(luò)密度及其演變趨勢(shì)，根據(jù)式（2）至式（5）計(jì)算出了1995～2014年歷年的整體網(wǎng)絡(luò)密度、關(guān)聯(lián)度、網(wǎng)絡(luò)效率以及網(wǎng)絡(luò)等級(jí)，并繪制成圖2?？梢钥闯?，網(wǎng)絡(luò)密度呈現(xiàn)出上升趨勢(shì)，從1995年的0.2提高到了2014年的0.239，關(guān)聯(lián)關(guān)系由1995年的174個(gè)增加到了2014年的208個(gè)。1995～2014年歷年的網(wǎng)絡(luò)關(guān)聯(lián)度都為1，顯示出碳排放存在普遍的空間溢出關(guān)系，而不再只是地理鄰近的省份才產(chǎn)生溢出關(guān)系。碳排放空間網(wǎng)絡(luò)的網(wǎng)絡(luò)等級(jí)和網(wǎng)絡(luò)效率均呈現(xiàn)出下降趨勢(shì)，網(wǎng)絡(luò)等級(jí)由1995年的0.478下降到了2014年的0.294，網(wǎng)絡(luò)效率由1995年的0.722下降到了2014年的0.663，說(shuō)明碳排放并不存在等級(jí)森嚴(yán)的現(xiàn)象，網(wǎng)絡(luò)結(jié)構(gòu)比較穩(wěn)定。

依據(jù)式（6）至式（8），可以計(jì)算出2014年省際碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的點(diǎn)度中心度、中間中心度和接近中心度。發(fā)現(xiàn)總關(guān)系數(shù)處于前5位的分別是上海、天津、江蘇、浙江和廣東，都是東部發(fā)達(dá)地區(qū)的省份，說(shuō)明這些省份同其他省份具有較多的直接關(guān)聯(lián)關(guān)系，處于網(wǎng)絡(luò)結(jié)構(gòu)的中心位置。由于某個(gè)省份的關(guān)聯(lián)關(guān)系既包括發(fā)送的關(guān)系數(shù)，也包括接收的關(guān)系數(shù)，接下來(lái)分別對(duì)接收關(guān)系和發(fā)送關(guān)系處于前5名的省份進(jìn)行分析，接收關(guān)系排名前5的分別是上海、天津、江蘇、浙江和福建，發(fā)送關(guān)系排名前5的分別是甘肅、廣東、青海、新疆和貴州，接收關(guān)系排名前5的省份全部位于東部地區(qū)，而發(fā)送關(guān)系排名前5的省份除廣東外其余4個(gè)省份都位于西部地區(qū)，表明在碳排放的空間網(wǎng)絡(luò)關(guān)聯(lián)中，西部地區(qū)主要產(chǎn)生溢出，而東部地區(qū)省份則從中受益。無(wú)論是中間中心度還是接近中心度，排名前5的省份都是上海、天津、江蘇、浙江、廣東，說(shuō)明其他省份主要通過(guò)這5個(gè)省份作為“橋梁”進(jìn)而產(chǎn)生關(guān)聯(lián)關(guān)系，進(jìn)一步顯示出了這些省份在碳排放空間網(wǎng)絡(luò)中的重要地位和作用。

2.2 塊模型分析

運(yùn)用CONCOR方法，選擇最大分割密度為2，收斂標(biāo)準(zhǔn)為0.2，可以將全國(guó)30個(gè)省份劃分為4個(gè)板塊，如表2所示。第I板塊的成員包括北京、天津、遼寧、內(nèi)蒙古和山東5個(gè)省份，共接收關(guān)系58個(gè)，發(fā)送關(guān)系28個(gè)，期望內(nèi)部關(guān)系比例為14%，實(shí)際內(nèi)部關(guān)系比例為21%，第I板塊對(duì)板塊內(nèi)外均產(chǎn)生了溢出效應(yīng)，屬于“雙向溢出板塊”；第II板塊的成員包括廣東、江蘇、福建、上海和浙江5個(gè)省份，共接收關(guān)系92個(gè)，發(fā)送關(guān)系32個(gè)，期望內(nèi)部關(guān)系比例為14%，實(shí)際內(nèi)部關(guān)系比例為19%，第II板塊接收的關(guān)系數(shù)目顯著多于發(fā)送的關(guān)系數(shù)目，屬于“凈受益板塊”；第III板塊的成員包括吉林、甘肅、河北、寧夏、黑龍江、河南、新疆、青海、山西、陜西10個(gè)省份，共接收關(guān)系23個(gè)，發(fā)送關(guān)系80個(gè)，期望內(nèi)部關(guān)系比例為31%，實(shí)際內(nèi)部關(guān)系比例為3%，第III板塊發(fā)送的關(guān)系數(shù)目顯著多于接收到的關(guān)系數(shù)目，屬于“凈溢出板塊”；第IV板塊的成員包括湖南、重慶、湖北、貴州、云南、廣西、安徽、海南、江西、四川10個(gè)省份，共接收關(guān)系35個(gè)，發(fā)送關(guān)系68個(gè)，期望內(nèi)部關(guān)系比例為31%，實(shí)際內(nèi)部關(guān)系比例為15%，第IV板塊同其他板塊存在較多的關(guān)聯(lián)關(guān)系，但板塊內(nèi)部成員間的關(guān)聯(lián)關(guān)系則相對(duì)較少，屬于“經(jīng)紀(jì)人板塊”。

3 中國(guó)碳排放空間關(guān)聯(lián)的影響因素——基于QAP分析法

3.1 模型構(gòu)建

在分析完中國(guó)省際碳排放的空間網(wǎng)絡(luò)關(guān)聯(lián)特征后，本文對(duì)影響碳排放空間關(guān)聯(lián)的因素進(jìn)行探究。眾多研究顯示碳排放的空間溢出與地理因素相關(guān)，本地的碳排放不僅取決于自身的控制，還受到鄰近地區(qū)的影響，因此，本文認(rèn)為地理鄰近是影響碳排放空間關(guān)聯(lián)的因素之一。根據(jù)之前的塊模型分析，發(fā)現(xiàn)碳排放的空間溢出呈現(xiàn)出明顯的梯度效應(yīng)，即發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)之間存在更多的溢出關(guān)系，由此，推測(cè)經(jīng)濟(jì)發(fā)展差距越大，越容易產(chǎn)生溢出效應(yīng)。最后，碳排放之所以能在不同地區(qū)之間產(chǎn)生溢出，可能是由于各地環(huán)境規(guī)制的標(biāo)準(zhǔn)不同，污染企業(yè)傾向于選擇環(huán)境規(guī)制較低的地區(qū)進(jìn)行排污，因此，認(rèn)為地區(qū)間的環(huán)境規(guī)制差異越大，越容易產(chǎn)生溢出效應(yīng)。由于是關(guān)系數(shù)據(jù)，不能運(yùn)用傳統(tǒng)計(jì)量方法進(jìn)行統(tǒng)計(jì)檢驗(yàn)，選擇基于二次指派程序的QAP技術(shù)進(jìn)行分析，并建立如下模型：

R=f（G，RGDP，GZ）（9）

其中，R為2014年30個(gè)省份碳排放的空間關(guān)聯(lián)關(guān)系；G為地理鄰近矩陣，若兩個(gè)省份相鄰，則取值為1，不相鄰則取值為0；RGDP為經(jīng)濟(jì)發(fā)展差異矩陣，以2014年各省份人均GDP的絕對(duì)值差異構(gòu)建；GZ為環(huán)境規(guī)制差異矩陣，采用2014年各省份二氧化硫排放量/GDP、氮氧化物排放量/GDP、煙（粉）排放量/GDP、固體廢棄物產(chǎn)生量/GDP、能源消費(fèi)量/GDP、工業(yè)污染治理投資/工業(yè)增加值、PM2.5年均濃度7個(gè)指標(biāo)經(jīng)過(guò)標(biāo)準(zhǔn)化處理后合成環(huán)境規(guī)制強(qiáng)度指數(shù)，并藉此構(gòu)建環(huán)境規(guī)制的差異矩陣。

3.2 QAP回歸分析

QAP回歸分析的原理為：首先，運(yùn)用因變量矩陣對(duì)應(yīng)的長(zhǎng)向量對(duì)自變量矩陣的長(zhǎng)向量進(jìn)行多元回歸分析。其次，對(duì)因變量和自變量矩陣的各行與各列同時(shí)進(jìn)行隨機(jī)置換，重復(fù)計(jì)算足夠多次，并保存回歸系數(shù)結(jié)果及判定系數(shù)。最后，根據(jù)回歸系數(shù)及判定系數(shù)的分布，判斷其顯著性水平。選擇5000次隨機(jī)置換，并將得到的結(jié)果報(bào)告在表3中。

結(jié)果顯示，地理鄰近的回歸系數(shù)為0.288，且在1%的水平上顯著，表明地理位置相鄰的省份，碳排放更容易產(chǎn)生溢出。經(jīng)濟(jì)發(fā)展差異的回歸系數(shù)為0.094，且在1%的水平上顯著，表明省際經(jīng)濟(jì)發(fā)展差異越大，碳排放的空間溢出越明顯。環(huán)境規(guī)制差異的回歸系數(shù)為0.238，且在10%的水平上顯著，表明省際環(huán)境規(guī)制差異越大，碳排放的空間溢出也越明顯。觀察標(biāo)準(zhǔn)化后的回歸系數(shù)，可以發(fā)現(xiàn)對(duì)碳排放空間關(guān)聯(lián)關(guān)系影響作用最強(qiáng)的是地區(qū)經(jīng)濟(jì)發(fā)展差異。

4 結(jié)論及建議

本文利用一種新的分析方法——社會(huì)網(wǎng)絡(luò)分析法（SNA），全新解構(gòu)了中國(guó)省際碳排放的空間關(guān)聯(lián)特征，并基于QAP技術(shù)揭示了中國(guó)省際碳排放空間關(guān)聯(lián)的影響因素。結(jié)果顯示：①碳排放的空間關(guān)聯(lián)已經(jīng)突破了傳統(tǒng)的地理限制，呈現(xiàn)出復(fù)雜的多線程的空間網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，存在普遍的空間溢出效應(yīng)。②1995～2014年，網(wǎng)絡(luò)密度提高了19.54%，網(wǎng)絡(luò)效率下降了8.18%，網(wǎng)絡(luò)等級(jí)下降了38.43%，網(wǎng)絡(luò)關(guān)聯(lián)度始終保持為1，表明碳排放的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)逐漸趨于穩(wěn)定。③上海、天津、江蘇、浙江、廣東和福建等東部發(fā)達(dá)地區(qū)的省份處于網(wǎng)絡(luò)的中心地位，接收了較多的關(guān)聯(lián)關(guān)系，甘肅、青海、新疆和貴州等西部欠發(fā)達(dá)地區(qū)省份發(fā)送了較多的關(guān)聯(lián)關(guān)系，其他省份則主要起到了“傳輸”和“橋梁”的作用。④碳排放可以劃分為“雙向溢出”“凈受益”“凈溢出”以及“經(jīng)紀(jì)人”4個(gè)功能板塊。⑤地理因素、地區(qū)間的環(huán)境規(guī)制差異以及經(jīng)濟(jì)發(fā)展差異對(duì)碳排放空間關(guān)聯(lián)具有顯著的正向影響。

以上研究結(jié)論蘊(yùn)含著如下政策啟示：①在碳排放的治理上，需要樹(shù)立空間觀念和系統(tǒng)觀念，突出聯(lián)動(dòng)協(xié)同的治理理念，從更加廣泛的區(qū)域協(xié)同上著手治理。②地區(qū)間的環(huán)境規(guī)制差異，容易造成碳排放在區(qū)域間轉(zhuǎn)移，然而，鑒于中國(guó)不同地區(qū)經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、資源環(huán)境稟賦的巨大差異，各地區(qū)的環(huán)境政策不可搞“一刀切”，但更不可差異過(guò)大，否則會(huì)加劇碳排放的空間溢出。目前，尤為值得警惕的是東部地區(qū)為治理環(huán)境污染和淘汰落后產(chǎn)能，將高污染、高能耗產(chǎn)業(yè)向中西部欠發(fā)達(dá)地區(qū)轉(zhuǎn)移而產(chǎn)生“碳轉(zhuǎn)移”和“碳遺漏”問(wèn)題。通過(guò)制定合適的省際環(huán)境政策阻斷碳排放的溢出“管道”是一個(gè)可行的做法。③減少碳排放空間溢出的根本措施是促進(jìn)落后地區(qū)經(jīng)濟(jì)發(fā)展，但這并不意味著要落后地區(qū)達(dá)到和發(fā)達(dá)地區(qū)相同的經(jīng)濟(jì)規(guī)模和增長(zhǎng)速度，而是應(yīng)該通過(guò)市場(chǎng)一體化建設(shè)，保持要素和人口的自由流動(dòng)，促進(jìn)地區(qū)人均GDP和增速的趨同。

參考文獻(xiàn)：

[1]肖黎姍，王潤(rùn)，楊德偉，等. 中國(guó)省際碳排放極化格局研究[J]. 中國(guó)人口·資源與環(huán)境，2011，11：21-27.

[2]林伯強(qiáng)，黃光曉. 梯度發(fā)展模式下中國(guó)區(qū)域碳排放的演化趨勢(shì)——基于空間分析的視角[J]. 金融研究， 2011，12：35-46.

[3]蘇泳嫻，陳修治，葉玉瑤，等. 基于夜間燈光數(shù)據(jù)的中國(guó)能源消費(fèi)碳排放特征及機(jī)理[J]. 地理學(xué)報(bào)，2013，11：1513-1526.

[4]楊騫，劉華軍. 中國(guó)二氧化碳排放的區(qū)域差異分解及影響因素——基于1995～2009年省際面板數(shù)據(jù)的研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012，5：36-49，148.

[5]肖雁飛，萬(wàn)子捷，劉紅光. 我國(guó)區(qū)域產(chǎn)業(yè)轉(zhuǎn)移中“碳排放轉(zhuǎn)移”及“碳泄漏”實(shí)證研究——基于2002年、2007年區(qū)域間投入產(chǎn)出模型的分析[J]. 財(cái)經(jīng)研究，2014，2：75-84.

[6]孫立成，程發(fā)新，李群. 區(qū)域碳排放空間轉(zhuǎn)移特征及其經(jīng)濟(jì)溢出效應(yīng)[J]. 中國(guó)人口·資源與環(huán)境，2014， 8： 17-23.

[7]李敬，陳澍，萬(wàn)廣華，等. 中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)的空間關(guān)聯(lián)及其解釋——基于網(wǎng)絡(luò)分析方法[J]. 經(jīng)濟(jì)研究， 2014，11：4-16.

[8]劉華軍，何禮偉. 中國(guó)省際經(jīng)濟(jì)增長(zhǎng)的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)——基于非線性Granger因果檢驗(yàn)方法的再考察[J]. 財(cái)經(jīng)研究，2016，2：97-107.

[9]侯赟慧，劉志彪，岳中剛. 長(zhǎng)三角區(qū)域經(jīng)濟(jì)一體化進(jìn)程的社會(huì)網(wǎng)絡(luò)分析[J]. 中國(guó)軟科學(xué)，2009，12：90-101.

[10]劉華軍，劉傳明，孫亞男. 中國(guó)能源消費(fèi)的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及其效應(yīng)研究[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2015， 5：83-95.

[11]Freeman L C. Centrality in Social Networks： Comceptual Classification[J]. Social Networks， 1979， 1.

[12]Boorman S A， White H C. Social Structure from Multiple Networks. II. Role Structures[J]. American Journal of Sociology， 1976， 81（6）：N-A.

[13]Smith D A， White D R. Structure and Dynamics of the Global Economy Network Analysis of International Trade 1965-1980[J]. Social Forces， 1992， 70（4）：857-894.

[14]Cassi L， Morrison A， Wal A L J T. 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.

[15]Wasserman S， K Faust. Social Network Analysis：Methods and Applications[M]. Cambridge， Cambridge University Press， 1994.

（責(zé)任編輯：辜 萍）