“海上丝路”、“填海造岛”是我国海洋事业的辉煌篇章,是我国海洋强国梦的里程碑。但随着我国海洋事业的进步和海洋经济的发展,也产生了海水水质恶化、赤潮频发、生态功能降低等一系列海洋环境问题,这促使中央和地方政府在制定海洋政策和环境政策的时候开始关注海洋环境问题,并自上而下地颁布了一系列海洋环境政策。由于各沿海地区在社会、经济和自然本底等方面存在明显差异,面临的近岸海洋环境污染程度也不尽相同,因此各沿海地区政府在应对海洋环境问题时的决策存在差别,也就导致了沿海地区海洋环境政策的差异性。以上海和广东为例,截至 2014 年,两地海洋环境政策数量占地方环境政策数量的比例分别为 5.78% 和12.36%,两地海洋环境政策数量占地方海洋政策数量的比例分别为 58.82% 和 39.29%。
事实上,对于各个沿海地区而言,除了社会、经济、环境等因素外,空间因素也会对海洋环境政策差异产生重要影响。沿海地区海洋环境政策的差异反映在空间尺度上表现为我国沿海地区海洋环境政策整体上和局部上存在一定的空间相关性。基于此,笔者将空间因素纳入研究范围内来探讨我国沿海地区海洋环境政策的空间分布情况,通过构建空间计量模型来分析影响我国沿海地区海洋环境政策差异的空间因素,试图回答我国沿海地区海洋环境政策在空间上的分布规律及其内在机理。
1 文献综述目前,国外关于海洋环境政策的研究主要为海岸带综合管理、海洋环境治理服务,集中于某一活动或者海洋产业的可持续发展政策和海洋合作治理政策模式研究。如 S H Niaz Rizvi(1997)以巴基斯坦为例,认为一个包含科学的基础信息和数据的海岸带管理规划对海岸带管理是十分必要的;Albert Verheij(2007)探讨了石油污染导致的海洋环境污染治理问题,提供了政策建议; Violeta Velikova,Nilufer Oral(2011)全面分析了黑海地区的海洋环境治理模式,认为合作治理是黑海海洋环境治理的有效方式。
国内研究海洋环境政策有两个方向:一个是从海洋环境污染本身出发,试图从污染源头来找出海洋环境问题的解决对策,例如任以顺提出粗放的经济发展方式是导致我国海洋环境污染的根本原因,海洋环境保护制度不完善,执行不到位等也是重要方面,应当通过加强法律法规配套,健全体制,更新手段来治理海洋环境污染[1];兰红燕认为海洋开发模式不合理、污染途径众多、海洋管理体制不健全、执行不到位是导致海洋环境质量差的原因,控制污染源、提高公众海洋环保意识、加强管理体制和执法队伍建设是提升海洋环境质量的有效途径[2]。另一个方向是从传统的经济或者产业同环境污染的相互关系入手,采用数学模型来解释海洋环境污染问题,然后提出相应的海洋环境政策,如纪建悦、于富洋、任仙玲运用主成分分析法等方法分析了经济发展与海洋环境污染之间在时间尺度上的相互关系,发现经济发展产生的污染物对海洋环境污染有一定的滞后性,海洋环境治理工作要注重时效性[3];王光升等研究发现我国沿海地区经济增长和海洋环境污染的 EKC 曲线呈“N”型,结论是海洋环境治理需要尽早,不能走先污染后治理的老路子[4]。
在政策的空间计量分析方面,国内外学者的研究领域多存在于经济、产业、社会公共安全等领域。例如王法辉演示了 GIS 在美国政府经济政策、犯罪政策、公共卫生政策等方面的应用,证明了空间分析方法在公共政策分析中的实际应用价值[5];李斌,彭星运用空间滞后模型和空间误差模型分析了环境规制政策工具的空间异质效应,认为激励性的环境规制政策能够更有效地降低企业污染排放水平,环境规制政策创新有利于实现环境保护目标[6]。
总而言之,国内外学者对海洋环境治理和海洋环境污染进行了大量的探讨,但分析海洋环境政策本身及其影响因素的文章并不多见,综合以上背景和因素,笔者将构建空间权重矩阵来探索我国海洋环境政策的空间相关性,并进一步使用空间计量模型对其进行空间计量分析。
2 研究方法和数据来源 2.1 空间自相关空间计量分析的前提是研究对象之间必须具有空间相关性,为了研究它们之间的空间相关性,首先需要建立空间权重矩阵。空间权重矩阵能够科学地度量研究对象之间的空间距离,常用的建立规则有两种:相邻规则和距离规则。所谓的相邻规则就是,若区域 i 和 j 相邻,则空间权重矩阵 W 的元素wij 记为 1,反之则记为 0,包含车相邻(rook contiguity)、象相邻(bishop contiguity)和后相邻(queencontiguity)三种类型,对于区域 i和 j来说,若二者车相邻,则二者有共同的边;若二者象相邻,则二者有共同的顶点,但没有共同的边;若二者后相邻,则二者有共同的边或者共同的顶点。距离规则就是,若区域 i 和 j之间的空间距离 dij<d,则wij为 1,dij> d ,则 wij 为 0,d是给定的距离值。比较而言,对于本次的研究对象,rook contiguity 规则更为合适,因此我们选用该规则建立空间权重矩阵。
数据是否有空间依赖性是空间计量分析方法能否使用的第二个条件,它通过数据的空间自相关性来考察。在空间中,若研究对象中高值与高值相邻,低值与低值相邻,则认为研究对象之间存在正的空间相关性,称为“正空间自相关”;若研究对象中高值与低值相邻,则认为研究对象之间存在负的空间相关性,称为“负空间自相关”;若研究对象中高值与低值随机分布,则不存在空间相关性。目前普遍采用“莫兰指数”(Moran’ s I)来计算研究对象整体的空间自相关性,其表达式如下[7]:
$ I = \frac{{n\sum\limits_{i = 1}^n {\sum\limits_{j \ne 1}^n {{w_{ij}}\left( {{y_i} - \bar y} \right)\left( {{y_j} - \bar y} \right)} } }}{{\sum\limits_{i = 1}^n {\sum\limits_{j \ne 1}^n {{w_{ij}}\sum\limits_{i = 1}^n {{{\left( {{y_i} - \bar y} \right)}^2}} } } }} $ | (1) |
式中 yi、 yj 分别为区域 i和 j某一因素的观测值,y 为 n个区域该因素观测值的平均值,n为研究对象所包含的区域数,wij为空间权重矩阵。 I的取值范围一般在 -1 到 +1 之间,对于研究对象的某一因素而言,I>0 表示该因素正空间相关; I<0 表示该因素负空间相关; I=0 表示该因素不存在空间相关性,在空间内随机分布。以上莫兰指数 I研究的是空间的整体分布情况,因此也被称为“全局莫兰指数”(global Moran’ s I)。
为了进一步分析研究对象的局部空间分布情况,需要使用“局部莫兰指数”( local Moran’ s I),其表达式如下[7]:
$ {I_i} = \left( {{y_i} - \bar y} \right)\sum\limits_{j = 1}^n {{w_{ij}}} \left( {{y_j} - \bar y} \right) $ | (2) |
局部莫兰指数的定义同全局莫兰指数相似,其取值及其 Ii 标准化后的值 Zi 可以判断区域 i 同周边区域的空间关联类型,若 Ii、 Zi 均大于 0,则区域 i同周边区域某一因素的观测值都比较高,空间差异较小,为高高关联类型,其中通过显著性检验的区域为高值集聚中心;若 Ii 大于 0,Zi 小于 0,则区域 i同周边区域某一因素的观测值都比较低,空间差异也比较小,为低低关联类型,其中通过显著性检验的区域为低值集聚中心;若 Ii 小于 0,Zi 大于 0,则区域 i 某一因素的观测值高于周边区域,空间差异较大,为高低关联类型,其中通过显著性检验的区域为孤高点;若 Ii 、 Zi 均小于 0,则区域某一因素的观测值低于周边区域,空间差异也比较大,为低高关联类型,其中通过显著性检验的区域为孤低点[8]。
采用上述方法对研究对象进行空间相关性分析后,通过自相关检验的因素数据可以进行空间计量分析。空间计量分析所使用的空间计量模型按研究对象各区域间空间相关性的不同影响方式,分为空间滞后模型(Spatial Lag Model,简称 SLM)和空间误差模型(Spatial Errors Model,简称 SEM),其中空间滞后模型也称为空间自相关模型(SpatialAutoregression,简称 SAR) [7]。
2.2 空间滞后模型实际上,研究对象中区域 i 某一因素 yi 不仅受自身其它因素的影响,也会受到其相邻区域 j该因素 yj 的影响,这是使用空间滞后模型(S LM)的现实依据。其基本表达式如下[7]:
$ y = \lambda {W_y} + {\beta _x} + \varepsilon $ | (3) |
式中 W为上述已知的空间权重矩阵; λ 用来考察空间滞后变量 Wy 对 y的影响,称为“空间自回归系数”; x为解释变量; β 为系数。
2.3 空间误差模型相对于空间滞后模型而言,空间误差模型则考察了不包含在 x 中的其它具有空间相关性的变量对y 的影响,也就是空间误差项对 y 的影响,其基本表达式如下[7]:
$ y = {\beta _x} + \mu $ | (4) |
式中
本研究对象为中国沿海除台湾地区以外的其他11 个省、直辖市、自治区。综合考虑数据可获得性、准确性等因素,将沿海 11 个地区 2006 —2013 年颁布的地区海洋环境政策数量,作为海洋环境政策变量来考察我国沿海地区海洋环境政策的空间自相关性,数据来源于沿海各地区的海洋局、环境局;在此基础上,为了数据的一致性,结合沿海 11 个地区的环境政策情况和海洋政策情况,将各地区海洋环境政策数量转化为该地区海洋环境政策倾斜度。
作为被解释变量,本研究将沿海 11 个地区2006 —2013 年的海洋从业人口年平均增长率、海洋总产业及三次产业 GDP 年平均增长率、氨氮及石油类直排入海量年平均增长率、一二类海水面积比例年平均增长率、四类以及劣四类海水面积比例年平均增长率作为解释变量对我国沿海 11 个地区的海洋环境政策情况进行空间计量分析,数据来源于《中国海洋统计年鉴》和《中国近岸海域环境质量公报》。文中空间权重矩阵建立、各变量的空间自相关性分析及空间计量分析借助 Geoda 0.9.5-i 软件实现,海洋环境政策的空间分布情况借助 Mapinfo来展示。
3 我国海洋环境政策的空间相关性1982年,第五届全国人大常委会通过了作为我国海洋环境保护基本法的《中华人民共和国海洋环境保护法》(以下简称《海洋环境保护法》)。在该法基础上,截至 2013 年底,全国人大及其常委会、国务院及其各部委等国家机关先后共颁布了 47 项主要的海洋环境政策(不含各地方颁布的政策),包含法律法规、部门规章、规范性文件等,涉及海洋环境保护的各个方面,占全国颁布环境政策总量的5.11 %,占全国颁布海洋政策总量的 28.83 %。笔者选取 2000 年第九届全国人大常委会修订的《海洋环境保护法》正式生效 5 年后的 2006 年至 2013 年第十二届全国人大常委会修订《海洋环境保护法》期间共 7 年的我国沿海各地区海洋环境政策统计数据进行空间自相关分析,为进一步空间计量分析奠定基础。
根据我国沿海地区空间实际情况,选用相邻即rook 规则来建立空间权重矩阵更为合适,其中海南省同广东省和广西壮族自治区均视为相邻,本文以下研究均使用此空间权重矩阵。
3.1 我国海洋环境政策的全局自相关性全局莫兰指数(Moran’ s I)能够较好地反映研究对象的全局自相关性。我国沿海地区2006 —2013年间的海洋环境政策数量全局莫兰指数 I 值为 0.4018,通过了显著性检验。同时,该值远大于0,表明我国沿海地区 2006 —2013 年的海洋环境政策具有较强的正空间自相关性,空间集聚效应较为显著。这同我国沿海地区海洋环境政策的实际情况是相符合的。 2006 —2013 年的我国沿海地区海洋环境政策数量的 Moran’ s I 散点图(如图 1):
全局自相关性并不能完全反映出我国沿海地区海洋环境政策的空间分布情况,因此不同区域的空间关联情况需要通过局部莫兰指数(local Moran’ sI)来表征。为了更好地展示我国沿海地区的海洋环境政策局部相关性情况,将我国沿海地区海洋环境政策数量的局部莫兰指数全部反映在 LISA 散点地图上,经过 Mapinfo 软件处理后,绘制的我国沿海地区海洋环境政策数量空间分布专题图如图 2 所示。
从图 2 中可以看出,2006 —2013 年间我国沿海地区海洋环境政策数量局部差异明显,上海、浙江、福建、广东、广西、海南 6 个地区为高高关联区域,海洋环境政策值均较高;河北、天津、山东 3 个地区为低低关联区域,海洋环境政策值均较低;辽宁为高低关联区域,孤立于周边地区;江苏为低高关联区域,是海洋环境政策值从低到高的过渡区域。其中福建局部莫兰指数的 Ii 值为 1.2444,显著性检验p 值为 0.042,小于 0.05,通过了显著性检验,为高值集聚中心;山东局部莫兰指数的 Ii 值为 1.3063,显著性检验 p 值为 0.03,小于 0.05,通过了显著性检验,为低值集聚中心;辽宁局部莫兰指数的 Ii 值为-1.2432,显著性检验 p 值为 0.002,小于 0.05,通过了显著性检验,为孤高点[8];江苏的 Ii 值并未通过显著性检验,不存在孤低点。
以上情况表明,2006 —2013 年间我国沿海地区海洋环境政策数量空间相关性较强,在总体上呈现出南高北低的趋势,高值集中于珠三角区域,并影响到临近区域浙江、上海,随着空间距离的增加,影响作用逐渐减弱,在江苏区域过渡后,进入低值集聚区域。
4 空间计量分析在前面研究的基础上,为了探讨影响我国海洋环境政策空间分布的内在机理,笔者采用空间计量模型对我国海洋环境政策及影响因素进行实证分析。结合实际,综合考虑数据的全面性、可获得性、可靠性、一致性等因素,选取了2006 —2013 年间我国沿海各地区海洋产业总产值年平均增长率(HYGDP)、海洋第一产业产值年平均增长率(HYGDP1)、海洋第二产业产值年平均增长率(HYGDP2)、海洋第三产业产值年平均增长率(HYGDP3)、海洋从业人口年平均增长率(MPOP)、石油类污染物直排入海量年平均增长率(OIL)、氨氮直排入海量年平均增长率(TN)、一二类海水面积比例年平均增长率(S1)、四类及劣四类海水面积比例年平均增长率(S2)等 9 个变量作为解释变量,考察它们与海洋环境政策之间的相互关系[9]。其中海洋环境政策用海洋环境政策倾斜度(K)来表征,指区域政府在环境决策和海洋决策时偏向海洋环境政策的程度。(K)等于该地区海洋环境政策数量与该地区环境政策数量的比值和海洋环境政策数量与该地区海洋政策数量的比值的乘积。其中数据均通过了空间相关性检验(表 1):
运用空间计量模型之前,先用传统的回归模型最小二乘法(OLS)对数据进行分析,表达式如下:
$ \begin{array}{l} K = {\beta _0} + {\beta _1}HYGDP + {\beta _2}HYGD{P_1} + {\beta _3}HYGD{P_2} + {\beta _4}HYGD{P_3} + \\ {\beta _5}HYGDP + {\beta _6}OIL + {\beta _7}TN + {\beta _8}{S_1} + {\beta _9}{S_2} + \varepsilon \end{array} $ | (5) |
其中 β0 为常数项,β1 、 β2 、 β3 ···ε 为系数,ε 为扰动项。 OLS 模型分析结果见表 2:
OLS 模型的 R2 为 0.9266,Log L 值 25.5104,AIC 值 -31.0209,SC 值 -27.0419。从表 2 可看出,OLS模型的 P 值均大于 5%,其分析结果并不显著,因此对我国沿海地区海洋环境政策的解释力度较低。
4.2 空间滞后模型(SLM)SLM 模型加入了空间滞后变量和空间自回归系数,以此来考察相邻区域的海洋环境政策对该区域海洋环境政策的冲击作用[10],其表达式如下:
$ \begin{array}{l} K = \lambda WK + {\beta _0} + {\beta _1}HYGDP + {\beta _2}HYGD{P_1} + {\beta _3}HYGD{P_2} + \\ {\beta _4}HYGD{P_3} + {\beta _5}HYGDP + {\beta _6}OIL + {\beta _7}TN + {\beta _8}{S_1} + {\beta _9}{S_2} + \varepsilon \end{array} $ | (6) |
式中 W 为空间权重矩阵,SLM 模型的分析结果见下表 3:
SLM 模型的 R2 为 0.9743,Log L 值为 28.8625,AIC 值为 -35.7251,SC 值为 -31.3482。从表 3 可知,在 SLM 模型中,除海洋第三产业 GDP 年平均增长率和一二类海水面积比例年平均增长率外,其他各变量的 P 值均小于 1%,通过了显著性检验。
4.3 空间误差模型(SEM)不同于 SLM 模型,SEM 模型重点研究存在空间相关性的误差项对海洋环境政策的影响[6],其表达式如下:
$ \begin{array}{l} K = \mu + {\beta _0} + {\beta _1}HYGDP + {\beta _2}HYGD{P_1} + {\beta _3}HYGD{P_2} + {\beta _4}HYGD{P_3} + \\ {\beta _5}HYGDP + {\beta _6}OIL + {\beta _7}TN + {\beta _8}{S_1} + {\beta _9}{S_2} \end{array} $ | (7) |
式中
SEM 模型的分析结果见下表 4:
SEM 模型的 R2 为 0.9999,Log L 值为 39.2449,AIC 值为 -58.4897,SC 值为 -54.5108。可以看出,在SEM 模型中,一二类海水面积比例年平均增长率的P 值为 0.5702,仍没有通过显著性检验。
对比上述三个模型本身,SLM 模型和 SEM 模型的 R2 均大于 OLS 模型且 SEM 模型的 R2 大于SLM 模型,说明 SLM 模型和 SEM 模型的拟合度更高,二者之间 SEM 模型对数据的拟合度最好;三个模型 Log L 值的大小关系是 SEM 模型 >SLM 模型>OLG 模型,说明三者的显著性程度也是 SEM 模型>SLM 模型 >OLG 模型,SEM 模型更适合分析我国沿海地区的海洋环境政策倾斜度;三个模型 AIC 值和 SC 值的对比关系是 SEM 模型的值均小于 SLM模型的值,SLM 模型的值均小于 OLS 模型的值,这说明对于数据结果的解释力度,SEM 模型最强,SLM 模型次之,OLS 模型最弱。
各模型的估计结果说明 OLS 模型中各变量的P值均没有通过显著性检验,SLM 模型和 SEM 模型中各变量的 P值显著性明显更强,SEM 模型中各变量的显著性最强。这也证明了 SLM 模型和 SEM 模型更适合分析我国沿海地区海洋环境政策倾斜度,SEM 模型是最优选择。
通过以上分析结果,剔除显著性水平较低的一二类海水面积比例年平均增长率后,可以得出影响我国沿海地区海洋环境政策倾斜度的因素,除各地区海洋产业总值年平均增长率、海洋从业人口年平均增长率、氨氮直排入海量年平均增长率等 8 个自身因素外,还包括各地区相互之间的空间滞后因素和具有空间相关性的误差项。这表明我国沿海地区海洋环境政策受海洋产业总值、海洋从业人口、氨氮直排入海量等 8 个因素和空间因素的共同作用,其中海洋产业产值、海洋第三产业产值同海洋环境政策正相关,其他因素同海洋环境政策负相关。这与现实情况是一致的,海洋产业特别是海洋第三产业,比如滨海旅游业更发达的沿海地区对海洋环境就更加重视,相应的海洋环境政策数量更多,力度更强[11]。
实际上,通过进一步的分析可知,海洋产业总产值相比于单纯的第三产业产值对海洋环境政策的作用系数更大,这说明当地方海洋经济比较发达、增速较快时,地方政府才会更多地去考虑制定海洋环境政策来保护海洋环境,这一点在一定程度上与环境 -经济库兹涅茨曲线是吻合的[12]。在 SEM 模型中,海洋第三产业对海洋环境政策的作用是显著的,而在 SLM 模型中,该作用并不显著,说明受临近地区海洋环境政策的空间滞后作用,该地区海洋第三产业对本地政府海洋环境决策的影响可以忽略不计。这是因为海洋环境污染存在流动性强的特点,导致各地区治理海洋环境污染时,“搭便车”现象较为普遍,临近地区的海洋环境政策会显著抑制该地区政府进行海洋环境政策决策[13]。对于其他抑制海洋环境政策的因素,以 SEM 模型的分析结果为准(因为该模型对数据拟合度更好,显著性更高,解释力度更强),海洋从业人口系数最小,其次是空间误差因素,表明海洋从业人口对该地区的海洋环境政策抑制作用最大,空间误差因素对海洋环境政策的抑制作用次之。前者是因为当地区海洋从业人口较高时,地方政府制定海洋政策时可能更多去考虑就业率和海洋工业、渔业经济发展而牺牲掉海洋环境;造成后者的原因可能同样是上述的“搭便车”作用,比如污染随海洋水体流动而转移,本地治理并不能根除隐患,地方政府考虑到这一点就可能不愿意制定海洋环境政策去保护海洋环境。对于我国政府而言,在海洋环境治理过程中,为了鼓励沿海各地方政府制定海洋环境政策,一方面要大力支持地方政府发展海洋产业,特别是海洋第三产业;另一方面要将空间因素纳入考虑范围。
5 结论和研究展望本研究采用全局莫兰指数和局部莫兰指数对2006 —2013 年间我国沿海地区的海洋环境政策进行了空间自相关分析,借助 GIS 技术展示了海洋环境政策的空间分布状态,并进一步运用空间计量SLM 模型和 SEM 模型分析了空间因素对我国海洋环境政策的影响,结果表明:
(1)我国沿海地区海洋环境政策总体上呈现出显著的空间自相关性,且为正空间自相关。在实际中表现为相邻的沿海地区在海洋环境政策方面具有较高的依赖性,这是由海洋环境政策本身的公共性及海洋环境政策涉及的人口、经济、污染在区域内流动导致的,这种依赖性随着地区间交流规模的扩大将会不断增强[14]。
(2)我国沿海地区海洋环境政策局部上表现为显著的集聚模式。海洋环境政策颁布较多的地区聚集在我国南海海域,海洋环境政策颁布较少的地区则聚集在渤海海域,海洋环境政策随着地区间空间距离的增加发生的变化也更加明显,这同我国的海域特征和海域划分密切相关。
(3)我国沿海地区海洋环境政策受到空间因素的显著作用。传统的回归方法并不适用对海洋环境政策的计量分析,而 SLM 模型和 SEM 模型都能够对海洋环境政策进行计量分析,SEM 模型是最佳的选择。我国沿海地区海洋环境政策受该地区海洋产业总产值,海洋第一、二、三次产业产值,海洋从业人口,石油类直排入海量,氨氮直排入海量,四类及劣四类海水面积 8 个因素和空间滞后、空间误差项的共同影响。其中海洋产业总产值、海洋第三产业产值对地区的海洋环境政策具有促进作用;海洋第一、二产业产值,海洋从业人口,石油类直排入海量,氨氮直排入海量,四类及劣四类海水面积,相邻地区海洋环境政策的空间滞后冲击和其它具有空间相关性的误差项对该地区的海洋环境政策具有抑制作用。
本研究还存在几个问题有待进一步探讨:(1)研究使用我国沿海地区海洋环境政策数量和海洋环境政策倾斜度来表征海洋环境政策情况并不十分理想,结合海洋环境政策强度和范围等内容形成综合指标会更加科学。(2)空间权重矩阵是空间自相关分析和空间计量分析的基础,建立规则有多种方式,进一步研究中可以尝试其他的空间权重矩阵规则来对结果的稳定性进行检验。(3)碍于变量数据的可获取性,本研究的样本为我国沿海各个地区,以省、自治区、直辖市为单位。在条件允许的情况下,可以选择更小的行政区划为研究样本单位,增加样本数量,从而使分析结果更加准确可靠。
[1] | 任以顺. 我国近岸海域环境污染成因与管理对策[J]. 青岛科技大学学报, 2006, 22 (3) : 106 –111. |
[2] | 兰红燕. 浅析我国海洋环境污染及防治[J]. 河北师范大学学报, 2010, 33 (1) : 74 –78. |
[3] | 纪建悦, 于富洋, 任仙玲. 经济发展对海洋环境污染的冲击响应模式分析[J]. 中国海洋大学学报, 2011 (4) : 6 –10. |
[4] | 王光升, 郭佩芳, 谭映宇. 基于单位根检验的沿海地区经济增长与海洋环境污染面板数据EKC分析[J]. 海洋环境科学, 2014, 33 (3) : 425 –445. |
[5] | 王法辉. 社会科学和公共政策的空间化和GIS的应用[J]. 地理学报, 2011, 66 (8) : 1089 –1100. |
[6] | 李斌, 彭星. 环境规制工具的空间异质效应研究--基于政府职能转变视角的空间计量分析[J]. 产业经济研究, 2013 (6) : 38 –47. |
[7] | 陈强. 高级计量经济学及state应用. 北京:高等教育出版社[M]. 2010 . |
[8] | 杨杨, 吴次芳, 韦仕川. 中国建设用地扩展的空间动态演变格局--基于EBI和EBIi的研究[J]. 中国土地科学, 2008, 22 (1) : 23 –31. |
[9] | 刘纪远, 刘明亮, 庄大方. 中国近期土地利用变化的空间格局分析[J]. 中国科学D辑, 2002, 32 (12) : 1031 –1041. |
[10] | 薛强, 乔光华, 樊宏霞. 我国省域乳业发展的空间计量经济分析[J]. 中国乳品工业, 2012, 40 (3) : 49 –52. |
[11] | Arrow K, Bolin B, Costanza R. Economic Growth, Carrying Capacity and the Environment[J]. Science, 1995 (268) : 520 –521. |
[12] | Anil.M, Alexander.C and Suzette P. Empirical Analysis of National Income and SO2 Emissions in Selected European Countries[J]. Environmental and Resource Economics, 2006 (35) : 221 –257. |
[13] | Markus P. Technical Progress, Structural Change, and the Environment Kuznets Curve[J]. Ecological Economics, 2002 (42) : 381 –389. |
[14] | 王琪, 孙真真. 论我国海洋政策运行现状及其完善策略[J]. 海洋开发与管理, 2005 (5) : 51 –56. |