彭 浩

(內(nèi)蒙古科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，內(nèi)蒙古 包頭 014010)

基于主成分分析的廣西碳排放影響因素實(shí)證研究

彭 浩

(內(nèi)蒙古科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，內(nèi)蒙古 包頭 014010)

以1978—2014年的數(shù)據(jù)為樣本，計(jì)算得到廣西歷年的碳排放量。運(yùn)用主成分分析法研究影響廣西碳排放的各項(xiàng)因素。結(jié)果表明，廣西碳排放各項(xiàng)因素的影響程度排序依次為能源消費(fèi)量、經(jīng)濟(jì)發(fā)展水平、固定資產(chǎn)投資、城鎮(zhèn)化水平、能源價(jià)格、人口總量、能源強(qiáng)度、國(guó)際貿(mào)易、能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)。據(jù)此提出“綠色規(guī)劃”“調(diào)整能源消費(fèi)結(jié)構(gòu)，推廣清潔生產(chǎn)技術(shù)”和“推進(jìn)碳排放權(quán)交易體系建設(shè)”等政策建議。

廣西； 碳排放； 主成分分析

研究表明，人口數(shù)量的快速增長(zhǎng)及人類(lèi)社會(huì)經(jīng)濟(jì)活動(dòng)的不斷加強(qiáng)使CO2濃度迅速升高，從而對(duì)全球氣候變暖起到?jīng)Q定作用[1]。改革開(kāi)放以來(lái)，中國(guó)在經(jīng)濟(jì)發(fā)展方面取得舉世矚目的成就，同時(shí)也顯現(xiàn)了資源消耗過(guò)多、碳排放增加過(guò)快等問(wèn)題。2002年我國(guó)碳排放量為34.9億t，2008年升至65.3億t，目前我國(guó)已成為世界最大的溫室氣體排放國(guó)[2]。21世紀(jì)以來(lái)，廣西經(jīng)濟(jì)在以較快速度增長(zhǎng)的同時(shí)，也出現(xiàn)了碳排放量快速增加的問(wèn)題。廣西貫徹國(guó)家“十三五”規(guī)劃、做好節(jié)能減排工作的前提，是準(zhǔn)確分析造成廣西碳排放增加的原因。因此，利用具有客觀性和定量性特征的主成分分析法研究影響廣西碳排放的各項(xiàng)因素具有重要意義。

1 廣西碳排放現(xiàn)狀

由于缺乏碳排放的直接監(jiān)測(cè)數(shù)據(jù)，因此只能通過(guò)能源消耗量與碳排放量之間的關(guān)聯(lián)，對(duì)碳排放量進(jìn)行估算。根據(jù)聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)(IPCC)的假定，一般認(rèn)為各類(lèi)能源的碳排放系數(shù)穩(wěn)定不變；一次能源分類(lèi)中的水電、核電和其他能源發(fā)電，在使用過(guò)程中視為無(wú)碳排放，因此將產(chǎn)生碳排放量的能源消費(fèi)種類(lèi)劃分為煤炭、石油和天然氣3類(lèi)[3]。在計(jì)算碳排放量時(shí)，采用3類(lèi)能源消費(fèi)總量分別乘以各自的碳排放系數(shù)，計(jì)算碳排放量。

C=∑Ei×Fi。

式中，C為碳排放量，Ei為各類(lèi)能源的消費(fèi)總量，F(xiàn)i為能源i的碳排放系數(shù)。

美國(guó)能源經(jīng)濟(jì)研究所、IPCC、美國(guó)能源部/能源情報(bào)局等都公布了3類(lèi)能源的碳排放系數(shù)[3]，考慮到中國(guó)的科研機(jī)構(gòu)更熟悉中國(guó)的國(guó)情，本文選取國(guó)家發(fā)改委能源研究所公布的碳排放系數(shù)[3]，具體數(shù)值為煤炭0.747 6萬(wàn)t CO2/萬(wàn)t標(biāo)準(zhǔn)煤、石油0.582 5萬(wàn)t CO2/萬(wàn)t標(biāo)準(zhǔn)煤、天然氣0.443 5萬(wàn)t CO2/萬(wàn)t標(biāo)準(zhǔn)煤，水電和核電的碳排放系數(shù)為0。

根據(jù)前面的公式和歷年《廣西統(tǒng)計(jì)年鑒》上的相關(guān)數(shù)據(jù)，計(jì)算得到廣西1978—2014年的碳排放量(表1)。

表1 1978—2014年廣西碳排放量

2 廣西碳排放影響因素

根據(jù)相關(guān)研究成果[4-10]，并考慮數(shù)據(jù)的可獲得性，確定以下廣西碳排放影響因素，運(yùn)用具有“客觀和定量”特點(diǎn)的主成分分析法來(lái)確定這些因素的影響程度。

2.1 能源消費(fèi)量

一個(gè)地區(qū)的能源消費(fèi)總量(EC)無(wú)疑與碳排放量緊密相關(guān)。本文此項(xiàng)指標(biāo)采用《廣西統(tǒng)計(jì)年鑒》上的能源消費(fèi)總量數(shù)值，單位是萬(wàn)t標(biāo)準(zhǔn)煤。

2.2 能源強(qiáng)度

能源強(qiáng)度(EI)也稱(chēng)為“單位產(chǎn)值能耗”，指一個(gè)國(guó)家或地區(qū)在一定時(shí)期內(nèi)單位GDP的能源消耗量，可以用來(lái)衡量能源利用效率，是區(qū)分一個(gè)國(guó)家或地區(qū)是否實(shí)現(xiàn)低碳發(fā)展的重要指標(biāo)[6]。本文用能源消費(fèi)量與GDP之比表示能源強(qiáng)度，單位是t標(biāo)準(zhǔn)煤·萬(wàn)元-1。

2.3 能源結(jié)構(gòu)

不同能源燃燒釋放出的二氧化碳不同，碳排放系數(shù)排序?yàn)槊禾?石油>天然氣>水電。所以，一個(gè)地區(qū)的能源消費(fèi)結(jié)構(gòu)(ES)會(huì)對(duì)碳排放量有很大影響。廣西的能源消費(fèi)結(jié)構(gòu)以煤炭為主，因而本文以煤炭消費(fèi)占能源消費(fèi)的比重表示能源結(jié)構(gòu)。

2.4 能源價(jià)格

能源價(jià)格(EP)上漲會(huì)增加企業(yè)的生產(chǎn)成本，增加居民的生活成本，因此可能會(huì)促使企業(yè)和居民通過(guò)各種方式減少能源消費(fèi)量，提高能源利用效率，從而減少碳排放量[6]。本文采用居民消費(fèi)價(jià)格指數(shù)表示能源價(jià)格。

2.5 經(jīng)濟(jì)發(fā)展水平

國(guó)外及國(guó)內(nèi)部分地區(qū)的實(shí)證研究均表明，經(jīng)濟(jì)發(fā)展水平(ED)與碳排放之間具有很強(qiáng)的正相關(guān)關(guān)系，本文用人均GDP表示經(jīng)濟(jì)發(fā)展水平，單位是元。

2.6 固定資產(chǎn)投資

在經(jīng)濟(jì)發(fā)展過(guò)程中，固定資產(chǎn)投資(AI)必不可少。但如果固定資產(chǎn)投資有科學(xué)合理的規(guī)劃，就可減少或避免低水平建設(shè)和重復(fù)建設(shè)，即可在保證經(jīng)濟(jì)發(fā)展的同時(shí)排放更少的碳。本文以統(tǒng)計(jì)年鑒中的“全社會(huì)固定資產(chǎn)投資額”表示，單位是億元。

2.7 人口總量

人口數(shù)量(TP)越大，自然消耗的資源越多，產(chǎn)生的CO2排放量越高。本文此項(xiàng)指標(biāo)采用《廣西統(tǒng)計(jì)年鑒》上的總?cè)丝跀?shù)值，單位是萬(wàn)人。

2.8 城鎮(zhèn)化水平

城鎮(zhèn)化進(jìn)程的推進(jìn)必然會(huì)增加CO2等溫室氣體排放量的增加。本文采用城鎮(zhèn)人口占總?cè)丝诘谋戎貋?lái)表示城鎮(zhèn)化水平(UL)。

2.9 產(chǎn)業(yè)結(jié)構(gòu)

相關(guān)研究表明，與第二產(chǎn)業(yè)相比，第一產(chǎn)業(yè)和第三產(chǎn)業(yè)屬于低耗能、低排放行業(yè)，增加第三產(chǎn)業(yè)比重，也將有利于減少碳排放量。本文以第二產(chǎn)業(yè)與第三產(chǎn)業(yè)產(chǎn)值之比表示產(chǎn)業(yè)結(jié)構(gòu)(IS)。

2.10 國(guó)際貿(mào)易

國(guó)際貿(mào)易(IT)過(guò)程中存在碳排放轉(zhuǎn)移問(wèn)題，進(jìn)口高耗能的資源密集型產(chǎn)品能降低本地區(qū)的碳排放；反之，出口高耗能的資源密集型產(chǎn)品則會(huì)增加本地區(qū)的碳排放。本文以?xún)舫隹陬~表示國(guó)際貿(mào)易，單位是億元。

3 數(shù)據(jù)來(lái)源與研究方法

3.1 數(shù)據(jù)來(lái)源與處理

以1978—2014年為研究時(shí)間范圍，數(shù)據(jù)均來(lái)自《廣西統(tǒng)計(jì)年鑒》。為剔除價(jià)格因素影響，GDP、固定資產(chǎn)投資和物價(jià)指數(shù)等相關(guān)數(shù)據(jù)均以1978年為基期進(jìn)行了調(diào)整[6]。在進(jìn)行主成分分析之前，還需對(duì)原始數(shù)據(jù)進(jìn)行均值為0、標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)化處理，以消除指標(biāo)間量綱不一致及數(shù)量級(jí)有差異等現(xiàn)象[11]。標(biāo)準(zhǔn)化的公式為：

3.2 主成分分析法

主成分分析法由霍特林1933年首次提出，是利用降維的思想，通過(guò)研究指標(biāo)體系的內(nèi)在結(jié)構(gòu)關(guān)系，把多指標(biāo)轉(zhuǎn)化成少數(shù)幾個(gè)相互獨(dú)立且包含原有指標(biāo)大部分信息(85%以上)綜合指標(biāo)的多元統(tǒng)計(jì)方法[12]。優(yōu)點(diǎn)是確定的權(quán)數(shù)是基于數(shù)據(jù)分析而得到的指標(biāo)之間的內(nèi)在結(jié)構(gòu)關(guān)系，不受主觀因素的影響，且得到的綜合指標(biāo)(主成分)之間彼此獨(dú)立，減少信息交叉，這使分析評(píng)價(jià)結(jié)果具有客觀性和可確定性[11]。社會(huì)科學(xué)統(tǒng)計(jì)軟件包(SPSS)是世界著名的統(tǒng)計(jì)分析軟件之一[13]，本論文使用SPSS 19.0進(jìn)行有關(guān)數(shù)據(jù)的處理和計(jì)算，具體過(guò)程如下。

1)檢驗(yàn)數(shù)據(jù)是否適合做主成分分析。利用SPSS軟件提供的巴特利特球檢驗(yàn)和KMO測(cè)度(Kaiser-Meyer-Olkin Measure of Sampling Adequacy)這2個(gè)統(tǒng)計(jì)量判斷觀測(cè)數(shù)據(jù)是否適合做主成分分析；巴特利特球檢驗(yàn)是從檢驗(yàn)整個(gè)相關(guān)矩陣出發(fā)，其零假設(shè)為相關(guān)矩陣是單位陣，如果不能拒絕該假設(shè)的話(huà)，應(yīng)重新考慮因子分析的使用；KMO測(cè)度從比較觀測(cè)變量之間簡(jiǎn)單相關(guān)關(guān)系和偏相關(guān)關(guān)系的相對(duì)大小出發(fā)，其值的變化范圍從0～1；當(dāng)KMO值較小時(shí)，表明觀測(cè)變量不適合做主成分分析[11]。通常按以下標(biāo)準(zhǔn)解釋該指標(biāo)值的大?。?0.9為非常好；>0.8為好；>0.7為一般；>0.6為差；>0.5為很差；<0.5不能接受[11]。

KMO和Bartlett's檢驗(yàn)可以看出，巴特利特球檢驗(yàn)結(jié)果為拒絕原假設(shè)，KMO值等于0.809，因此，廣西地區(qū)1978—2014年碳排放影響因素的數(shù)據(jù)適合進(jìn)行主成分分析。

2)建立變量的相關(guān)關(guān)系矩陣，SPSS軟件自動(dòng)完成。

3)計(jì)算出相關(guān)關(guān)系矩陣的特征值、貢獻(xiàn)率和累計(jì)貢獻(xiàn)率，并確定主成分的個(gè)數(shù)(表2)。特征值一般用λ表示，第i個(gè)主成分的方差是總方差在各主成分上重新分配后，在第i個(gè)成分上分配的結(jié)果，在數(shù)值上等于第i個(gè)特征值。每個(gè)成分的貢獻(xiàn)率定義為各成分所包含的信息占總信息的百分比。用方差作為變量所包含的信息，則每個(gè)成分所提供方差占總方差的百分比即該成分的貢獻(xiàn)率[12]。

表2 相關(guān)關(guān)系矩陣的特征值、貢獻(xiàn)率和累計(jì)貢獻(xiàn)率

確定取幾個(gè)成分作為主成分的判定方法有2種。一是取所有特征值大于1的成分作為主成分[13]；二是根據(jù)累計(jì)貢獻(xiàn)率達(dá)到85%來(lái)確定[14]。本文根據(jù)后一標(biāo)準(zhǔn)來(lái)選取主成分，其包含的信息占原始變量包含的總信息的93.154%，損失的信息量不到10%，被認(rèn)為可以接受。

4)求主成分荷載矩陣。由主成分荷載矩陣(表3)可以得到3個(gè)主成分的表達(dá)式，由每個(gè)主成分的貢獻(xiàn)率可以確定每個(gè)主成分的系數(shù)，因此主成分F可以表示為：

F=0.711EC-0.577EI-0.158ES+0.626EP+0.711ED+0.690AI+0.625TP+0.679UL+0.1810IS+0.570IT。

表3 主成分荷載矩陣

3.3 對(duì)主成分進(jìn)行線性回歸

使用SPSS 19.0對(duì)因變量Y(廣西地區(qū)碳排放量)和主成分F進(jìn)行簡(jiǎn)單的線性回歸，得到如下關(guān)系式：

Y=1 692.0+284.4F，R2=0.941。

再將F表達(dá)式代入可得到：

Y=1692.0+202.322EC-163.965EI-44.965ES+178.025EP+202.174ED+196.149AI+177.842TP+193.186UL+51.194IS+162.108IT。

4 結(jié)果與分析

根據(jù)主成分分析法的計(jì)算結(jié)果，得到影響廣西碳排放各項(xiàng)因素的排序依次為能源消費(fèi)量(0.711)>經(jīng)濟(jì)發(fā)展水平(0.711)>固定資產(chǎn)投資(0.690)>城鎮(zhèn)化水平(0.679)>能源價(jià)格(0.626)>人口總量(0.625)>能源強(qiáng)度(-0.577)>國(guó)際貿(mào)易(0.570)>能源結(jié)構(gòu)(-0.158)>產(chǎn)業(yè)結(jié)構(gòu)(0.180)。

能源消費(fèi)量和經(jīng)濟(jì)發(fā)展水平是對(duì)廣西地區(qū)碳排放量影響程度最大的2項(xiàng)因素。廣西能源消費(fèi)總量從1978年的781萬(wàn)t標(biāo)準(zhǔn)煤，增至2014年的9 515.34萬(wàn)t標(biāo)準(zhǔn)煤，是1978年的12.18倍。人均GDP從1978年的296.64元增至2014年的7 014.12元(以不變價(jià)格計(jì)算)，增加22.65倍。固定資產(chǎn)投資的增加和城鎮(zhèn)化水平的提高都會(huì)對(duì)廣西地區(qū)碳排放量的增長(zhǎng)造成比較重要的影響。

能源強(qiáng)度和能源結(jié)構(gòu)指標(biāo)之所以是負(fù)值，是因?yàn)?978—2014年期間廣西地區(qū)的碳排放量呈明顯遞增趨勢(shì)，同期能源消費(fèi)總量、居民消費(fèi)價(jià)格指數(shù)、人均GDP、全社會(huì)固定資產(chǎn)投資額、人口總量、城鎮(zhèn)人口占總?cè)丝诘谋戎囟际浅拭黠@的遞增趨勢(shì)，凈出口額呈波動(dòng)遞增趨勢(shì)，第二產(chǎn)業(yè)與第三產(chǎn)業(yè)產(chǎn)值之比的數(shù)據(jù)是先下降后上升，大多在 0.84～1.35波動(dòng)，只有“能源消費(fèi)量與GDP之比”和“煤炭消費(fèi)占能源消費(fèi)的比重”呈遞減趨勢(shì)。能源消費(fèi)量與GDP之比呈較明顯的遞減趨勢(shì)，從1978年的7.81 t標(biāo)準(zhǔn)煤/萬(wàn)元，降至2014年的2.86 t標(biāo)準(zhǔn)煤/萬(wàn)元(GDP以不變價(jià)格計(jì)算)，下降了63.38%。煤炭消費(fèi)占能源消費(fèi)的比重呈現(xiàn)在波動(dòng)中略微下降的趨勢(shì)，廣西地區(qū)目前能源消費(fèi)中，煤炭依然占有最大的份額，2014年這一數(shù)據(jù)為52.81%。所以說(shuō)廣西地區(qū)在1978—2014年間經(jīng)濟(jì)以較快速度增長(zhǎng)的同時(shí)，對(duì)于節(jié)能減排也做了很多工作，能源消費(fèi)總量的增速明顯慢于人均GDP的增速，能源強(qiáng)度也呈現(xiàn)明顯遞減趨勢(shì)。

5 政策建議

5.1 綠色規(guī)劃

科學(xué)合理的規(guī)劃是保證持續(xù)碳減排和發(fā)展低碳經(jīng)濟(jì)的重要基礎(chǔ)。城市過(guò)量的能源消耗不僅惡化自身環(huán)境，而且對(duì)周邊地區(qū)的環(huán)境造成污染。因此，廣西地區(qū)應(yīng)加強(qiáng)固定資產(chǎn)投資規(guī)劃的科學(xué)論證；不能一味追求高城鎮(zhèn)化率，應(yīng)科學(xué)合理地開(kāi)展小城鎮(zhèn)建設(shè)；嚴(yán)格控制高耗能高污染企業(yè)，大力扶持新型低碳產(chǎn)業(yè)；推進(jìn)低碳交通、低碳建筑和低碳消費(fèi)。

5.2 調(diào)整能源消費(fèi)結(jié)構(gòu)，推廣清潔生產(chǎn)技術(shù)

廣西地區(qū)1978—2014年間煤炭消費(fèi)量占到能源消費(fèi)總量的55.11%。而煤炭的碳排放系數(shù)在石化能源中也明顯高于石油和天然氣。應(yīng)通過(guò)加強(qiáng)技術(shù)研發(fā)創(chuàng)新能力，推動(dòng)更多的企業(yè)使用碳排放系數(shù)更低的能源，降低煤炭在能源消費(fèi)總量中的比重。

清潔生產(chǎn)是指從資源的開(kāi)采利用、產(chǎn)品的生產(chǎn)、成品的使用和廢物的處置的全過(guò)程中，盡最大限度地提高資源和能源的利用效率，最大限度地減少能源的消耗和污染物的產(chǎn)生[4]。廣西地區(qū)可以使用政府投資、稅收優(yōu)惠以及貸款利率優(yōu)惠等政策鼓勵(lì)企業(yè)增加投資研發(fā)清潔生產(chǎn)技術(shù)。同時(shí)，結(jié)合廣西地區(qū)的自然條件，大力發(fā)展水電和風(fēng)能產(chǎn)業(yè)。

5.3 推進(jìn)碳排放權(quán)交易體系建設(shè)

按照國(guó)家發(fā)展改革委辦公廳《關(guān)于切實(shí)做好全國(guó)碳排放權(quán)交易市場(chǎng)啟動(dòng)重點(diǎn)工作的通知》，要“確保2017年啟動(dòng)全國(guó)碳排放權(quán)交易，實(shí)施碳排放權(quán)交易制度”[15]。廣西地區(qū)還有完善相關(guān)立法，加強(qiáng)宣傳，科學(xué)合理地確定排放總量，確定重點(diǎn)排放企業(yè)名單，對(duì)企業(yè)的歷史碳排放進(jìn)行核算、報(bào)告與核查，培育和遴選第三方核查機(jī)構(gòu)及人員，配額核發(fā)與管理，加強(qiáng)人才隊(duì)伍建設(shè)，提高企業(yè)交易的積極性和建立健全碳排放金融交易中介機(jī)構(gòu)等大量、具體的工作要做。

[1] HOUGHTON J T，MEIROFIIHO L G，CALLANDER B A. et al. Climate change 1995：the science of climate change： contribution of working group to the second assessment report of the inter governmental panel on climate change[R]. Cambridge：Cambridge University Press，1996.

[2] 石紅蓮. 降低我國(guó)碳排放量的對(duì)策探析[J]. 理論月刊，2010(7)：97-99.

[3] 韓紅珠，王小輝，馬高. 陜西省能源消費(fèi)碳排放及影響因素分析[J]. 山東農(nóng)業(yè)科學(xué)，2015，47(1)：82-87.

[4] 曾好，董利民. 武漢市土地利用結(jié)構(gòu)與能源消費(fèi)碳排放的關(guān)聯(lián)測(cè)度分析[J]. 山東農(nóng)業(yè)科學(xué)，2014，46( 7)：97-101，106.

[5] 陳艷. 基于主成分分析的江西低碳經(jīng)濟(jì)發(fā)展評(píng)價(jià)分析[J]. 南昌大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版)，2012，43(6)：63-68，90.

[6] 陽(yáng)玉香，譚忠真. 湖南低碳經(jīng)濟(jì)驅(qū)動(dòng)因素的實(shí)證研究：基于主成分分析法[J]. 湖南社會(huì)科學(xué)，2012，(2)：160-162.

[7] 杜穎. 廣西碳排放現(xiàn)狀及因素分解實(shí)證分析[J]. 廣西財(cái)經(jīng)學(xué)院學(xué)報(bào)，2012，25(2)：28-32，83.

[8] 郭少康. 基于LMDI的廣西碳排放影響因素實(shí)證研究[J]. 廣西經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào)，2013，25(4)：68-73，78.

[9] 謝存花. 廣西能源消費(fèi)二氧化碳排放測(cè)算與影響因素分析[J]. 南寧職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2014，19(3)：75-78.

[10] 黎文勇，蘇方林. 廣西經(jīng)濟(jì)增長(zhǎng)與碳排放關(guān)系的實(shí)證研究[J]. 山東工商學(xué)院學(xué)報(bào)，2016，30(3)：38-44.

[11] JOSEPH F H J，ROLPH E A，RONALD L T，et al. Multivariate data analysis with readings [M]. 4th ed. New Jersey：Prentice-Hall International，Inc. 1995：101-115.

[12] 盧紋岱. SPSS for Windows統(tǒng)計(jì)分析 [M]. 2版. 北京：電子工業(yè)出版社，2004.

[13] 劉柯. 基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)在城市建成區(qū)面積預(yù)測(cè)中的應(yīng)用：以北京市為例[J]. 地理科學(xué)進(jìn)展，2007，26(6)：129-137.

[14] 李雪銘，李婉娜. 1990年以來(lái)大連市人居環(huán)境與經(jīng)濟(jì)協(xié)調(diào)發(fā)展定量分析[J]. 經(jīng)濟(jì)地理，2005，25(3)：383-386，390.

[15] 彭浩. 內(nèi)蒙古構(gòu)建碳排放權(quán)交易體系的政策分析[J]. 內(nèi)蒙古科技與經(jīng)濟(jì)，2017(2)：6-8.

收入日期：2017-08-18

內(nèi)蒙古科技大學(xué)創(chuàng)新基金(2016QDW-B03)

彭 浩(1976—)，女，湖南湘潭人，副教授，博士，研究方向?yàn)樯鷳B(tài)經(jīng)濟(jì)學(xué)，E-mail：pengden@163.com。

文獻(xiàn)著錄格式：彭浩. 基于主成分分析的廣西碳排放影響因素實(shí)證研究[J].浙江農(nóng)業(yè)科學(xué)，2017，58(10)：1794-1797.

10.16178/j.issn.0528-9017.20171038

F062.2

A

0528-9017(2017)10-1794-04

(責(zé)任編輯張瑞麟)