劉賢趙 郭若鑫 張勇 張東水 王志強 高長春 謝金寧

摘要 查清中國省域碳排放之間的空間依賴關系及其演變特征，是實現(xiàn)區(qū)域差異化減排戰(zhàn)略和促進區(qū)域低碳經(jīng)濟和諧發(fā)展的關鍵。本文在估算1995—2015年中國大陸30個省域化石能源消費碳排放量的基礎上，利用考慮時間和空間影響的SampsonGuttorp非參數(shù)估計方法（簡稱SG方法）對中國省域碳排放的空間相關結構進行了定量估計，并將得到的SG相關系數(shù)與樣本相關系數(shù)進行比較，結合中國經(jīng)濟發(fā)展與碳排放的實際驗證了該方法在中國省域碳排放研究中的有效性和合理性，然后基于SG相關系數(shù)對省域碳排放空間特征進行聚類分析。研究結果表明：①在對中國3個階段省域碳排放的相關結構研究中，未作變換得到的樣本相關系數(shù)存在一定的不合理性，與現(xiàn)實出入較大，而基于SG方法得到的SG相關系數(shù)無論在理論上還是實踐上都十分接近實際，克服了以往對空間相關定性描述的缺陷。②中國省域碳排放存在顯著的空間正相關性和空間異質性，碳排放較高或較低的省區(qū)在空間上均趨于相鄰，但隨時間的演進空間相關性在高度聚集后有明顯弱化的趨勢。③在分布格局上，中國省域碳排放存在東、中、西和北、中、南梯度態(tài)勢，即東部地區(qū)和北部地區(qū)省域的碳排放量高于西部地區(qū)和南部地區(qū)，而中部地區(qū)省域居二者之間。④根據(jù)中國各省域碳排放的空間相關結構和格局特征，提出將空間依賴性納入到碳減排政策的制定中，并應對重點區(qū)域或重點行業(yè)實施差異化的減排措施。

關鍵詞 碳排放；空間相關；SG相關系數(shù)；非參數(shù)估計

中圖分類號 F205 文獻標識碼 A 文章編號 1002-2104（2019）05-0040-12 DOI：10.12062/cpre.20181107

化石能源消耗導致的碳排放以及由此引起的氣候變化已經(jīng)成為當前人類社會面臨的最具挑戰(zhàn)性的問題之一。自2007年中國作為世界上最大的碳排放國以來，中國的碳排放問題已成為國內外學術界和各國政府共同關注的焦點。如何實現(xiàn)中國政府到2030年碳強度比2005年下降60%～65%的減排目標以及到2030年出現(xiàn)碳排放峰值，很大程度上有賴于各省域層面的協(xié)同減排行動、低碳轉型以及產(chǎn)業(yè)結構調整和技術進步。盡管各省域碳排放因資源稟賦、技術條件、經(jīng)濟發(fā)展等的不平衡而存在較大的差異，但由于經(jīng)濟、技術、信息等的擴散，社會資本等要素的流動以及其它意義上的區(qū)域溢出效應[1]，使得省域間的碳排放又具有明顯的空間相關性，表現(xiàn)為一個區(qū)域的碳排放行為不僅取決于自身內部因素的控制，而且還受周邊地區(qū)碳排放的關聯(lián)作用（如相鄰區(qū)域的碳排放每增加1%，將會引起本地區(qū)碳排放增加0.15%[2]）。這是因為：①區(qū)域具有開放性和連通性，由于區(qū)域的經(jīng)濟發(fā)展水平與碳排放在空間上存在耦合關系，這就決定了存在各種經(jīng)濟聯(lián)系的區(qū)域，其碳排放行為不可能是一個孤立的過程，往往要受到與之相關，特別是周邊區(qū)域碳排放的影響；同樣地，該區(qū)域的碳排放也要對相關或周邊區(qū)域的碳排放產(chǎn)生作用。②碳排放天然所具有的空間溢出性以及不同經(jīng)濟體之間的“污染轉嫁”（如區(qū)域產(chǎn)業(yè)轉移帶來的隱含碳排放轉移與碳泄漏問題）在一定程度上決定了區(qū)域間的碳排放具有明顯的空間依賴性。③區(qū)域一體化進程的加快與區(qū)域聚集效應將推動不同地區(qū)加強跨區(qū)域環(huán)境合作以及資源稟賦的流動（如能源稟賦高的地區(qū)會使該區(qū)以及周邊地區(qū)的能源使用成本降低，進而提高能源的使用量從而拉動該地區(qū)的碳排放）、創(chuàng)新的擴散和減排技術溢出等，進而也會使得碳排放表現(xiàn)顯著的空間依賴性。很顯然，在區(qū)域碳排放的理論和實證研究中，如果忽視碳排放這種客觀存在的空間聯(lián)系，勢必會使研究結果出現(xiàn)偏差，進而影響國家和各省域制定有針對性的減排政策。因此，開展對中國省域碳排放空間相關（依賴）結構的研究就顯得十分必要。

1 文獻綜述

目前，關于中國碳排放空間依賴的研究已有大量的文獻報道[1-12]。如劉佳駿[3]等利用空間自相關模型與空間溢出模型，利用2000—2010年全國部分省區(qū)的面板數(shù)據(jù)分析了我國碳排放的空間效應，指出碳排放在局部范圍內具有較高的空間相關性，“冷點”區(qū)與“熱點”區(qū)空間格局相對穩(wěn)定，而碳排放溢出效應顯著的區(qū)域主要集中在經(jīng)濟發(fā)達的東部沿海省區(qū)與中西部傳統(tǒng)能源產(chǎn)品輸出省區(qū)。張翠菊和張宗益[4]基于Morans I指數(shù)從空間依賴的視角刻畫了1997—2013年中國省域能源消費碳排放的時空分布和聚集程度，發(fā)現(xiàn)我國省域碳排放具有明顯的空間集聚特征，碳排放水平相似的區(qū)域不斷傾向于相鄰分布；肖黎姍等[5]的研究也表明，中國省域碳排放與碳強度均呈現(xiàn)正的空間自相關性，且在局部空間上表現(xiàn)出高值的聚集現(xiàn)象。付云鵬等[2]、劉賢趙等[6]和鄭長德等[7]以及許海平[8]等基于面板數(shù)據(jù)運用空間計量模型（包括空間滯后模型和空間誤差模型）分析指出，中國省域碳排放存在明顯的空間依賴關系，并且其空間依賴的程度隨時間推移不斷增強而隨距離增加不斷衰減。

綜觀現(xiàn)有的國內外文獻，在對區(qū)域碳排放空間相關的研究方法上，多數(shù)學者均是利用ESDA（探索性空間數(shù)據(jù)分析）方法（如Morans I指數(shù)、空間相關局部指標LISA）對區(qū)域碳排放的空間依賴性進行定性描述（原因是Morans I指數(shù)和局部Moran I指標均為定性指標，僅能表征整體是否存在空間相關性或者局部是否存在某種模式的空間相關性），然后給出空間聚集情況[9-10]，或是基于距離對樣本相關系數(shù)加權[7]，運用廣義空間模型[11-13]探討碳排放空間相關的存在和大致程度，但并未給出兩個區(qū)域之間碳排放空間相關的確切數(shù)值。此外，上述方法計算過程高度依賴于空間權重矩陣的選取，因而帶有一定的人為主觀性，而且該空間權重矩陣在描述空間位置的毗鄰或距離關系時，也未考慮區(qū)域間碳排放的方向問題，從而影響結果的準確性。事實上，任意兩個區(qū)域碳排放之間的相關程度不僅取決于兩者的距離，還取決于方向（如重慶與山西、江西兩省的距離相近，但因空間上二者相對于重慶的方向不同，其碳排放的相關程度就有可能相差很大）。由于區(qū)域碳排放之間的關系既受時間和空間的雙重影響，又與區(qū)域范圍內的空間相關結構是否各向同性有關，因而這種空間關系具有明顯的非線性特征。由于樣本相關系數(shù)僅能描述兩個隨機變量間的線性相關程度，不能真正反映區(qū)域之間碳排放的空間效應，因此有必要尋求一種既能表達變量之間的空間效應又能刻畫變量間非線性關系的方法。Sampson和Guttorp[14]提出的SampsonGuttorp空間相關非參數(shù)估計方法（簡稱SG方法）對此類問題的研究提供了新的思路。該方法在綜合考慮時空效應的基礎上可以對區(qū)域碳排放的非線性關系進行定量估計，并能通過空間變換有效規(guī)避空間各向異性的影響，最終得出能真實體現(xiàn)區(qū)域碳排放空間依賴程度的相關系數(shù)。基于這一考慮，本文采用SG方法對中國30個省域1995—2015年的碳排放量數(shù)據(jù)進行分析，探討各省域碳排放之間的空間依賴關系和格局演變特征，為區(qū)域實施差異化減排戰(zhàn)略和促進區(qū)域低碳經(jīng)濟協(xié)調發(fā)展提供決策參考；同時也在定量研究方法上為現(xiàn)有空間相關問題作進一步的拓展與補充。

劉賢趙等：中國省域碳排放空間依賴結構的非參數(shù)估計及其實證分析

中國人口·資源與環(huán)境 2019年 第5期2 研究方法

2.1 碳排放量估算

由于目前缺乏碳排放量的直接監(jiān)測數(shù)據(jù)，本文依據(jù)IPCC推薦的參考方法估算1995—2015年中國大陸30個省、市、自治區(qū)（因數(shù)據(jù)可得性等原因，研究不包括西藏和港澳臺地區(qū)）8種化石能源（原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣）消費的碳排放量，基礎數(shù)據(jù)來源于1996—2016年的《中國能源統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。其中，海南省2002年和寧夏回族自治區(qū)2000—2002年的化石能源消費數(shù)據(jù)因統(tǒng)計不完整，作者根據(jù)其前后年份數(shù)據(jù)進行插值獲取。碳排放量的計算公式為：

C=∑ni=1Ei×ei×pi×44/12

（1）

式中，C為某省區(qū)化石能源消費產(chǎn)生的碳排放量；Ei代表第i類化石能源的消費量；ei、pi 分別為第i類化石能源的標準煤折算系數(shù)（參見2013年《中國能源統(tǒng)計年鑒附錄4》）和碳排放系數(shù)（源自IPCC）；n為化石能源種類；44/12表示CO2與碳的分子量之比。由于無法獲得重慶市1997年之前的能源消費數(shù)據(jù)（因該市在1997年之前隸屬于四川?。?，從而無法單獨估算其碳排放量。本文考慮人口規(guī)模和重慶市在1997年前作為四川省重要工業(yè)城市的實際，采用人口占比和工業(yè)占比相結合的方法[15]將原四川省1995—1996年估算的碳排放量分配到重慶市和四川省。

2.2 SG非參數(shù)估計方法及其求解過程

本文采用的SG方法是對區(qū)域間變量各向異性空間依賴結構進行非參數(shù)估計的一種定量研究方法，該方法能夠對任意空間區(qū)域變量的相關結構實現(xiàn)定量估計，具有不受缺失值限制和預測能力強的優(yōu)點。其核心思想是在綜合考慮時間和空間效應的基礎上，通過空間變換將原來各向異性的地理G空間映射到一個各向同性且平穩(wěn)的D空間（目的是使D空間中變量間的相關性只與距離有關而與方向無關，即區(qū)域變量間的相關結構只是距離的函數(shù)），然后把在D空間定義的區(qū)域si和sj的觀測變量Y（碳排放量）之間的變差函數(shù)作為相關系數(shù)的度量，建立其與映射后位置坐標的函數(shù)，進而實現(xiàn)對原地理G空間區(qū)域變量相關結構的定量估計。

2.2.1 D空間位置zi的估計

設f： R2→R2是G空間到D空間的一個平滑非線性一對一映射，G空間中的位置si對應D空間中的位置zi，且有zi=f（si ）。為求得D空間位置zi的估計，首先使用薄板樣條插值函數(shù)[16]估計G空間位置si和D空間位置zi間的平滑映射f，即：

f（s）=α0+α1s（1）+α2s（2）+∑ni=1βiui（s）

（2）

式中，ui （s）=|s-si |2 log|s-si |，s（j）為位置s的第j個坐標，α和β為待估參數(shù)。本文采用兩個薄板樣條函數(shù)f1和f2進行估算，但需要引入平滑參數(shù)λ。對于任意給定的λ，通過最小化公式（3）即可得到參數(shù)α和β。

∑nj=1∑2x=1（zix-fx（si））2+λ（J2（f1）+J2（f2））

（3）

式中，zi1和zi2分別表示zi的第一維坐標和第二維坐標；J2表示函數(shù)的平滑程度，其表達式為：

J2（f）∫R2 2fx122+2fx1x22+2fx222dx1dx2

（4）

得到估計值f^后，再用多維量表法（Multidimensional Scaling，簡稱MDS，其作用是生成樣本區(qū)域的一個二維位置坐標，使得區(qū)域間內點距離的某個函數(shù)代表樣本的半變差函數(shù)）建立G空間位置si在D空間對應的二維位置zi，且滿足各向同性假設，然后通過D空間新位置（z1，…，zn）間的內點距離估計變差d2ij。新位置zi的坐標不斷變換直至D空間的內點距離|hdij |滿足以下最小化準則：

minδ∑i

（5）

式中，δ是單調函數(shù)，δ（dij）=δj≈|zi-zj|，可由MDS算法得到；|hDij |=|zi-zj |為D空間的距離。最后利用zi=f（si ），可得到zi的最終估計。

2.2.2 相關系數(shù)的估計

在通過平滑非線性映射后，對于G空間中位置si和sj之間的任何變量（如碳排放量）的變差函數(shù)均可通過在D空間的對應位置zi和zj來表示，即：

2r（si，sj ）=var[Y（si ）-Y（sj ） ]=var[Y（zi ）-Y（zj ） ]

=2g（|hDij | ）

（6）

式中，g表示D空間中的半變差函數(shù)（因為假設D空間為各向同性，故g只是與距離|hDij |有關的函數(shù)），本文選用的半變差函數(shù)為指數(shù)模型，其表達式為：

r（hDij ）=a0+（2-a0 ）（1-exp（-t0×hDij ） ）

（7）

式中，a0，t0為待估參數(shù)，其它字母含義同前。

由于2r（si，sj ）=2g（|hDij |），因此G空間中任意兩個位置si和sj之間的協(xié)方差估計值為：

C（h）=C（0）-g（|hD12 |）

（8）

式中，C（0）為方差，進而可得到空間相關系數(shù)的估計值。上述整個計算利用R3.4.4軟件[17]通過編程完成。

3 實證結果與分析

根據(jù)估算的各省域碳排放量，以及利用各省會、直轄市的經(jīng)緯度計算得到的各省域之間的距離，采用上述SG方法計算出各省域碳排放之間的空間相關系數(shù)。為考察中國省域能源消費碳排放空間相關結構隨時間的變化，根據(jù)1995—2015年中國省域碳排放空間自相關全局Morans I指數(shù)“降—升—降”的時間變化特性[18-19]，本文將研究時期劃分為3個階段：1995—2001年（第一階段）、2002—2008年（第二階段）和2009—2015年（第三階段），每7年為一個考查期。通過比較SG方法得到的空間相關系數(shù)（簡稱SG相關系數(shù)）和樣本相關系數(shù)的差異，結合實際分析SG相關系數(shù)的合理性。需要說明的是，相關系數(shù)不一定是因果關系，有可能僅是表面上的伴隨關系，或是兩個區(qū)域變量（碳排放）同時受另一因素（如國家環(huán)境政策或減排技術擴散等）的影響。篇幅所限，本文僅列舉部分數(shù)據(jù)進行分析。

3.1 省域碳排放空間相關結構隨時間的變化

為了探討中國省域碳排放空間相關程度隨時間的變化，限于篇幅，本文僅選取代表東、中、西部地區(qū)的上海（東部沿海經(jīng)濟最發(fā)達的省區(qū)，其產(chǎn)業(yè)結構、能源消耗和技術進步在東部地區(qū)具有較好的典型性）、河南（地處中華腹地，經(jīng)濟相對發(fā)達，呈望北向南、承東啟西之勢，在中部崛起和承接東部沿海地區(qū)產(chǎn)業(yè)向西部轉移中具有舉足輕重的作用）和內蒙古（屬資源型省份，經(jīng)濟發(fā)展對耗能性產(chǎn)業(yè)依賴較大，其能源消費結構和傳統(tǒng)高耗能企業(yè)在西部地區(qū)具有一定的代表性）3個省市與SG相關系數(shù)較高的全國部分省份（省份選取遵循兩個原則：一是省域間SG相關系數(shù)隨時間變化明顯且具有代表性；二是省域之間在空間距離上要體現(xiàn)由近及遠的變化規(guī)律）進行分析。

圖1顯示，在1995—2015年的3個階段，省域間碳排放SG相關系數(shù)均表現(xiàn)為先增大后減小的趨勢，即從第一階段到第二階段SG相關系數(shù)顯著提高，而在第三階段明顯下降。但不同省域之間相關程度變化的幅度不同，如上海與江蘇的SG相關系數(shù)變化幅度明顯要小于上海與山東的，河南與河北的明顯要小于河南與北京的。SG相關系數(shù)隨階段的這種變化規(guī)律表明中國省域間的碳排放在經(jīng)歷了顯著的空間依賴（聚集）后有衰減的態(tài)勢，也即省域間的空間相互作用在減弱，這與我們以前的研究結果相吻合[6]。

3.2 不同階段省域碳排放相關系數(shù)的比較分析

3.2.1 第一階段（1995—2001年）

在此階段，中國省域碳排放的樣本相關系數(shù)表現(xiàn)出較大的波動性，其數(shù)值變化在-0.91～0.90；并且多數(shù)省域之間出現(xiàn)了負相關的情況，其中以東北地區(qū)的黑龍江、吉林，中部地區(qū)的湖南、江西和西部地區(qū)的陜西、四川與其他省域之間的負相關最為突出，特別是四川與福建、廣東之間的樣本相關系數(shù)分別達到-0.91和-0.89（見表1），意味著中國各省域碳排放變化有反向發(fā)展趨勢。然而，在此期間SG相關系數(shù)均為正值，且絕大多數(shù)介于0.60～0.75之間。但東部地區(qū)的海南，西部地區(qū)的青海、寧夏、新疆、甘肅、陜西、云南、貴州等省份與全國其他省域的SG相關系數(shù)相對要低，主要介于0.50～0.60之間。

基于以上數(shù)據(jù)，本文認為樣本相關系數(shù)展示的負相關情況與現(xiàn)實情形不符，且難以解釋；而采用SG方法得到的SG相關系數(shù)對理解中國各省域碳排放之間的空間相關關系具有一定的合理性。這是因為，在此階段發(fā)生了一系列影響中國各省域經(jīng)濟發(fā)展的重大事件，而一個區(qū)域的碳排放水平又與其社會經(jīng)濟發(fā)展密切相關，且兩者在空間分布上呈現(xiàn)一定的耦合關系（如碳排放較高的省份多處于經(jīng)濟較發(fā)達的沿海地區(qū)）[7，20]。具體說來，一是在改革開放后的1995—1998年，社會主義市場經(jīng)濟體制改革日趨深化，市場參與主體不斷增多，勞動力通過市場化與資本形成自然結合，省域之間人力資本的流動性有所增強，各省域的碳排放主要以高耗能、高排放的經(jīng)濟增長方式驅動，但在此時段我國工業(yè)化程度較低，經(jīng)濟發(fā)展主要是依靠輕工業(yè)和勞動密集型產(chǎn)業(yè)，因而各省域能源消耗和碳排放增長相對緩慢（見表2、表3），兩者年平均增速僅為1.1%和1.2%，故多數(shù)省域之間的SG相關系數(shù)大體一致。二是我國在1999年提出了西部大開發(fā)戰(zhàn)略，并于2000年正式啟動。國家通過對西部投入巨資，興建“十大工程”，開展西電東送、西氣東輸和青藏鐵路等基礎設施建設，不僅增強了省域之間人才、資源、技術等的流動性，而且推動了中西部地區(qū)新一輪以重工業(yè)為主的經(jīng)濟快速發(fā)展，并由此帶來了中國各省域對一次性能源消耗需求的快速增長和碳的高排放，表現(xiàn)為1999—2001年各省域能源消費和碳排放量年平均增長率分別達7.9%和6.7%，并且中、西部地區(qū)省域碳排放的平均增長速度大體相似（見圖2），結果使中西部省域碳排放的空間相依關系增強。三是2001年，我國正式加入世界貿易組織（WTO），中國多邊外交活動開啟，商品的國外需求增加，帶動資源、技術、貿易、信息等要素在省域之間的流通加快，資本的獲取變得更加便利。這些因素在促進我國各省域經(jīng)濟發(fā)展的同時，也刺激了各省域能源的消耗，從而導致了部分省域碳排放量的同步增長，進而使各省域的碳排放呈現(xiàn)出明顯的空間依賴關系。需要指出的是在第一階段，由于受亞洲金融危機和國家宏觀調控政策（1996年國務院出臺了關停高能耗、高污染、低效率的工業(yè)項目法規(guī)）的影響，1998—2001年連續(xù)4年出現(xiàn)通貨緊縮，國內投資和經(jīng)濟增速放緩，各省域碳排放量增幅較小，部分省份甚至出現(xiàn)了負增長的情況（見表3），這在一定程度上減緩了因經(jīng)濟發(fā)展效應導致的各省域碳排放空間相依關系的提升，使得該階段整個SG相關系數(shù)仍停留在相對較低的水平。而西部欠發(fā)達地區(qū)，特別是西北地區(qū)的青海、寧夏、甘肅和新疆，由于地理位置相對偏遠、交通條件不便，以及經(jīng)濟發(fā)展長期依賴于能礦資源優(yōu)勢形成的高能耗產(chǎn)業(yè)，導致其經(jīng)濟規(guī)模相對有限，從而與別的省域在資源、技術、信息等的關聯(lián)關系不強，省域之間碳排放的SG相關系數(shù)較低，這與現(xiàn)實情況是相符的。至于四川與全國其它多個省域樣本相關系數(shù)出現(xiàn)負相關的情況（見表1），本文認為與現(xiàn)實相悖。原因是在此階段，盡管受1997—1998年亞洲金融危機的影響，但國內各省域經(jīng)濟仍都保持增長的勢頭，全國人均GDP由1995年的5 046元增長到2001年的8 622元，而同期四川與其它各省域的碳排放也呈逐年遞增的趨勢（見表3）。綜上分析，我們認為使用樣本相關系數(shù)描述中國省域碳排放之間的相關結構是不太合理的，而用SG方法得到的相關系數(shù)具有一定的合理性。

3.2.2 第二階段（2002—2008年）

與第一階段相比，本階段省域之間碳排放樣本相關系數(shù)整體明顯增大，其數(shù)值主要介于0.65～0.85之間，少數(shù)省域之間樣本相關系數(shù)達到0.85以上，第一階段出現(xiàn)負相關的情況在該階段基本消失。但西北地區(qū)的陜西、甘肅、青海、寧夏、新疆以及西南地區(qū)的重慶與全國其它省域的樣本相關系數(shù)仍然較低，多數(shù)值介于0.30～0.65之間，個別省域甚至出現(xiàn)了負相關的情況，如新疆與廣東之間的相關系數(shù)為-0.15。與樣本相關系數(shù)相似，在此階段省域碳排放之間的SG相關系數(shù)也顯著增加，多數(shù)省域的SG相關系數(shù)均維持在0.75～0.90之間，而且相鄰省域之間SG系數(shù)普遍較高，表明省域之間的碳排放存在明顯的空間關聯(lián)和空間溢出，碳排放之間的聯(lián)系更加緊密，并且碳排放較高或較低的省域在空間上不斷趨向于相鄰，這與張德鋼等基于社會網(wǎng)絡分析得到的結果相似[21]。而西北地區(qū)省域，盡管SG相關系數(shù)相對較低，但比起第一階段已有顯著提高，其中多數(shù)SG相關系數(shù)已步入0.70～0.85之間。限于篇幅，表4僅列舉第一、第二兩個階段陜西省與其它各省域之間的SG相關系數(shù)。

第二階段是我國加入WTO和實施西部大開發(fā)戰(zhàn)略后經(jīng)濟的一個快速發(fā)展時期[22]，同時也是我國各省域能源消費和碳排放增長最快的時期。在此階段，我國對外開放進入新篇章，國內投資環(huán)境改善，固定投資持續(xù)增長，國家經(jīng)濟發(fā)展重心開始向西部大幅移動；加上受西部大開發(fā)持續(xù)推進、中部崛起和東北振興等戰(zhàn)略實施的影響，能源跨區(qū)調配（西氣東輸、北煤南運等）和產(chǎn)業(yè)集聚化生產(chǎn)成為可能，進而使各省域碳排放在空間上的聯(lián)系加強。同時， 注：A、B分別表示第一階段（1995—2001年）和第二階段（2002—2008年）。資本流動、技術溢出以及人才交流等在省域之間變得更加迅速，各省域之間的經(jīng)濟聯(lián)系和作用加強。由于各省域經(jīng)濟增長更多地依賴于一次能源的消耗，因而在經(jīng)濟快速發(fā)展的同時，也帶來了能源消耗與碳排放的快速增長（見表2、表3）。如2003—2006年，全國各省域人均GDP年均增速達11.57%，而同期的能源消費和碳排放量年均增長率分別為13.15%和12.24%；并且各省域碳排放隨經(jīng)濟增長均呈近線性關系。經(jīng)測算，在2002—2008年，東、中、西部各省域的碳排放與人均GDP之間的相關系數(shù)平均分別為0.978、0.956和0.995。由于各省域碳排放與同期社會經(jīng)濟發(fā)展密切相關，從而導致各省域碳排放的空間相依關系普遍增強，SG相關系數(shù)明顯增大。值得注意的是，西北省區(qū)因受西部大開發(fā)以及東南沿海地區(qū)產(chǎn)業(yè)加速轉移的影響，能源工業(yè)快速發(fā)展，以高耗能為主的重化工、冶煉等產(chǎn)業(yè)逐漸成為區(qū)域發(fā)展的支柱產(chǎn)業(yè)；再加上陜西、甘肅、寧夏、內蒙古沿黃經(jīng)濟帶受周邊省區(qū)碳排放的溢出作用（欠發(fā)達地區(qū)與發(fā)達地區(qū)普遍存在溢出關系，經(jīng)濟發(fā)展差距越大，越容易產(chǎn)生溢出效應），使得西北省域碳排放的年均增長速度（14.40%）明顯快于中部地區(qū)（9.87%）、東部地區(qū)（11.92%）和西部地區(qū)（13.06%），其碳排放總量占全國的比重也從2002年的11.62%上升到2008年的13.71%。由于西北省域碳排放起點低、增速快，東中部省域碳排放起點高、增速慢，從而使西北地區(qū)和東中部地區(qū)省域的碳排放在該階段幾乎表現(xiàn)出一致的變化規(guī)律（見圖2），結果導致西北省區(qū)與全國其它省域碳排放的SG相關系數(shù)較第一階段顯著增大。但也存在一些難以解釋的現(xiàn)象，如新疆與廣東兩個省份，它們的樣本相關系數(shù)為-0.15，這顯然與事實不符。主要原因有3個：一是雖然廣東與新疆相距甚遠，但在此階段二者的經(jīng)濟均保持較快的發(fā)展速度，由此能源消耗和碳排放也同步增長（見表2、表3）；二是廣東是我國東南沿海改革開放的先行區(qū)，經(jīng)濟發(fā)展水平在南方省份最高，其產(chǎn)業(yè)梯度轉移使得相關高耗能產(chǎn)業(yè)在空間上逐步向西部地區(qū)的新疆等地布局，受技術進步和產(chǎn)業(yè)轉移的影響必將促使新疆的能源消耗和碳排放發(fā)生變化；三是在2005年前后，廣東省產(chǎn)業(yè)結構仍處于向高端制造業(yè)與生產(chǎn)性服務業(yè)轉型升級階段，制造業(yè)對能源需求依然較大，是典型的能源凈輸入省份，而新疆作為我國重要的油氣煤生產(chǎn)基地，其能源輸出必將緩解廣東對一次能源的依賴程度，進而影響其能源消耗和碳排放?；谏鲜隼碛?，本文認為未作變換得到的新疆與廣東之間的樣本相關系數(shù)不符合實際。這也再次證明，使用樣本相關系數(shù)刻畫省域碳排放之間的空間關系存在一定的偏差，而用SG相關系數(shù)比樣本相關系數(shù)更令人信服。此外，我們也發(fā)現(xiàn)空間異質性的存在，如安徽到吉林和安徽至青海的距離相當，但安徽與吉林、青海的SG相關系數(shù)卻分別為0.83和0.69，表明在空間距離大體相似的省域，由于方向的差異，SG相關系數(shù)也會有所不同。這也說明，由于地區(qū)經(jīng)濟和碳排放受到政府干預和市場的雙重影響，各省域碳排放之間的空間關聯(lián)也可能呈現(xiàn)復雜、多重的特征。

3.2.3 第三階段（2009—2015年）

在第三階段，省域碳排放樣本相關系數(shù)再次出現(xiàn)負相關的情況，表現(xiàn)為四川與西北地區(qū)的陜西、甘肅、寧夏、青海、新疆等省域出現(xiàn)負相關關系，特別是北京與22個省份均是負相關（見表5）。而SG相關系數(shù)較第二階段在數(shù)值上有不同程度的下降，但絕大多數(shù)仍維持在0.70～0.80之間，表明我國省域碳排放的空間依賴關系在經(jīng)歷了高度空間聚集后有減弱的趨勢，但總體上仍具有相對較高的空間相關性，且聚集特征明顯。

究其原因，我們認為有以下兩點：一是在此階段發(fā)生了一系列影響經(jīng)濟發(fā)展的重大事件，如2010年中國—東盟自貿區(qū)正式全面啟動，上海世博會成功舉辦和2013年上海自貿區(qū)設立，以及2014年APEC峰會召開等，這些有重大影響力的事件在推動環(huán)境質量改善的同時，也促使中國積極參與國際經(jīng)濟技術合作與競爭。特別是“十七大”提出的“堅持對外開放的基本國策”為地方政府參與國際合作提供了政策導向。各省域為破解本地因能源、技術、市場、勞動力等成本增加對經(jīng)濟發(fā)展造成的困局，積極開展對外經(jīng)濟合作（如廣西與新加坡合作建立了南新經(jīng)濟走廊，云南與孟緬印打造跨境經(jīng)濟合作區(qū)），使技術、勞動力和資源等要素的流動不再局限于國內省域，而是面向國際市場，導致各省域在經(jīng)濟發(fā)展中可選擇的對象和合作范圍不斷擴大（如江蘇注重發(fā)揮本地能源資源優(yōu)勢，與美國在新能源領域合作，利用太湖藻類提煉生物柴油；寧夏利用國務院批復建設的寧夏內陸開放型經(jīng)濟試驗區(qū)，除與阿拉伯國家在經(jīng)貿投資加強合作外，還不斷擴大在旅游文化、新能源以及科技等領域的合作），因而與經(jīng)濟發(fā)展緊密相聯(lián)的碳排放對國內省域的依賴性降低。二是在經(jīng)歷了第二階段碳排放的快速增長之后（如2007年中國碳排放量超過美國而成為世界上最大的碳排放國），綠色發(fā)展越來越成為重要的經(jīng)濟發(fā)展訴求，中央和地方政府陸續(xù)制定了一系列用于指導和規(guī)范全國及各省域節(jié)能減排的政策和措施（如2009年廣東發(fā)布了《2010—2015年廣東省現(xiàn)代產(chǎn)業(yè)體系總體規(guī)劃》；2011年河北出臺了“雙三十”節(jié)能減排政策；2014年國務院發(fā)布了《2014—2015年節(jié)能減排低碳發(fā)展行動方案》，同年北京出臺了《碳排放權抵消管理辦法》），要求各省域結合自身實際積極探索經(jīng)濟新常態(tài)下適合本省低碳產(chǎn)業(yè)發(fā)展的體制機制，使各省在發(fā)展模式、產(chǎn)業(yè)結構和減排策略等方面表現(xiàn)出一定的差異性和多樣性（如山東、上海和廣東同屬于東部地區(qū)，但經(jīng)濟發(fā)展模式和支柱產(chǎn)業(yè)存在很大差異，廣東以能源消耗低的電子加工、玩具、紡織等勞動力導向型產(chǎn)業(yè)作為支柱產(chǎn)業(yè)，碳排放相對較低；上海立足于制造業(yè)，經(jīng)濟發(fā)展正由外延性增長向內涵型經(jīng)濟增長模式轉變；而山東以資源和重工業(yè)為主導發(fā)展模式，碳排放遠高于上海和廣東），從而導致省域間碳排放的空間相依關系減弱，SG相關系數(shù)降低。

至于四川與西北地區(qū)省域出現(xiàn)負相關的情況，可能與西北省域碳排放的年際異常有關。在此階段，特別是2009—2011年，為應對金融危機余波的影響，國家以4萬億基建投資和高耗能為代價維持經(jīng)濟平穩(wěn)，導致各區(qū)域碳排放快速增加（見圖2）。為遏制碳排放增長過快，國家對重點行業(yè)實施節(jié)能減排措施，多數(shù)省域碳排放從2011年開始進入低水平或負增長通道。據(jù)統(tǒng)計，2011—2015年全國各省域碳排放年均增幅為3.11%，但同期西北地區(qū)省域碳排放仍呈爆發(fā)式增長（見圖2），其中新疆碳排放年均增幅達15.75%，而四川碳排放年均增幅卻為-1.39%。對于北京與天津等22個省域出現(xiàn)負相關的情形，本文認為不具有完全合理意義。主要原因是：首先北京作為全國政治、文化、科技、信息中心，其優(yōu)越的地緣條件、良好的外部資源和顯著的集群優(yōu)勢必然使北京與周邊省域在金融資本、技術信息和人才等方面產(chǎn)生交流滲透，加之2014年京津冀協(xié)同發(fā)展上升為國家戰(zhàn)略，京津冀一體化進程加快，北京市產(chǎn)業(yè)優(yōu)化調整和第三產(chǎn)業(yè)比重提升有可能帶動周邊像山西、天津、河北、遼寧等省域碳排放績效的提升；與江蘇、浙江、廣東等這樣快速發(fā)展的省份更不可能出現(xiàn)負相關的情況。其次是在2009—2015年，當全國各省域（西北省區(qū)除外）碳排放進入減速增長或負增長階段時，北京的碳排放增速也表現(xiàn)出了與其周邊省域及東部地區(qū)部分省域相似的變化特性（見表6）。因此，對比表5中的數(shù)據(jù)，再次驗證未作變換得到的樣本相關系數(shù)存在一定的不合理性，而SG相關系數(shù)無論在理論上還是實踐上都十分接近實際。

3.3 基于相關系數(shù)的省域碳排放空間聚類分析

為進一步探討省域間碳排放空間依賴的群集情況，本文選取第三階段（2009—2015年）的SG相關系數(shù)和樣本相關系數(shù)，采用歐式距離和離差平方和法（ward）進行聚類分析，得到聚類結果如圖3。由圖3可以看出，基于樣本相關系數(shù)的聚類十分凌亂，且聚類結果與事實相悖，如北京因與其它省域間的相關性較低而單獨自成一類，這顯然與現(xiàn)實不符；而相比之下，利用SG相關系數(shù)得到的聚類較易于接受。為此，本文基于SG相關系數(shù)的聚類結果，結合2009—2015年各省域的年平均碳排放量，將該階段中國各省域的碳排放狀況劃分為4種類型（即高排放區(qū)、較高排放區(qū)、中等排放區(qū)域和低排放區(qū)），并與李建豹[23]等得到的結果進行比較（見表7）。

致呈東、中、西和北、中、南梯度發(fā)展態(tài)勢，即東部地區(qū)和北部地區(qū)省域的碳排放量明顯高于西部地區(qū)和南部地區(qū)的省域，而中部地區(qū)省域居二者之間，這與前人得到的結論基本類似（略有差異的原因可能是本文采用的是2009—2015年各省域碳排放量的平均值，且考慮了省域間碳排放的空間相關性，而李建豹等僅用了2012年的碳排放數(shù)據(jù)），從而間接驗證了SG方法在實際應用中的可行性。具體而言，高碳排放和較高排放的省域主要分布在除北京、天津以外的華北地區(qū)、東北地區(qū)和東南沿海地區(qū)（福建、海南除外）以及內地的山西、河南和安徽，原因是這些區(qū)域工業(yè)基礎較好，第二產(chǎn)業(yè)比重較高（超過50%，第二產(chǎn)業(yè)的碳排放量遠高于第一、第三產(chǎn)業(yè)）或者重工業(yè)發(fā)達，且能源消耗以煤、石油等化石能源為主。如產(chǎn)業(yè)結構偏重的東北省區(qū)，因以高排放的低端制造業(yè)為主，能源及原材料產(chǎn)業(yè)占比較大，能耗技術相對落后，因而碳排放量較高。河南受“中原崛起”戰(zhàn)略的影響，經(jīng)濟發(fā)展迅速，工業(yè)化的快速推進消耗了大量的化石能源，導致其2015年GDP總量和碳排放量均躍居全國第5位。至于山西和內蒙古，兩者均是我國重要的煤炭儲備基地，資源依賴型企業(yè)所占比重較高，經(jīng)濟發(fā)展仍以高耗能、高碳排放的重化工、冶煉等產(chǎn)業(yè)為主，且高度依賴于煤炭的消耗。近年來，山西和內蒙古占全國碳排放總量的份額呈增加趨勢，2015年內蒙古碳排放占全國總量的份額就達到7.0%，從而形成高的碳排放格局。而分別作為珠三角和長三角經(jīng)濟發(fā)達省份的廣東和浙江，因其產(chǎn)業(yè)結構仍處在向高端制造業(yè)與生產(chǎn)性服務業(yè)的轉型升級階段，制造業(yè)對能源的需求依然較大，快速的經(jīng)濟增長導致巨大的能源消耗，促使其碳排放量仍處于較高水平。

中等碳排放的省域主要集中在中部地區(qū)的湖南、湖北、江西和西部地區(qū)的四川、陜西、新疆以及東部沿海的福建。原因是位于中部、西部地區(qū)的上述省域屬于產(chǎn)業(yè)結構相對傳統(tǒng)的省區(qū)，能源結構改善較小。特別是陜西、新疆作為西部大開發(fā)實施的重點省份，近年來經(jīng)濟增長迅速，以煤炭、石油為主的能源結構和占工業(yè)產(chǎn)值50%以上的電力、石化等高耗能行業(yè)促使其碳排放爆發(fā)式增長（如2009—2015年新疆碳排放年均增幅為15.75%，2015年碳排放量達35.6×107 t）。但在西部大開發(fā)和中部崛起的實施過程中，承接了大量東部發(fā)達地區(qū)的先進產(chǎn)業(yè)，且淘汰了本地部分落后產(chǎn)能，能源利用效率有所提高，故碳排放處于中等區(qū)域。此外，福建作為海西經(jīng)濟區(qū)的主體，經(jīng)濟發(fā)展迅速，2009—2015年碳排放量年均增幅為2.39%，但因該階段能源結構調整，高碳能源煤炭所占比重從2009年的65.5%下降到2015年的50.5%，清潔能源所占比重有所提高，因而其碳排放處于中等水平。低排放的省域主要分布在西北內陸的青海、寧夏、甘肅，西南地區(qū)的云南、貴州、重慶和東部地區(qū)的北京、天津、上海以及華南地區(qū)的廣西、海南（表7）。這是因為隨著西部大開發(fā)戰(zhàn)略十幾年的實施，盡管西部地區(qū)上述省域經(jīng)濟取得了快速發(fā)展，碳排放量也增長較快，但由于經(jīng)濟總量偏低，碳排放量基數(shù)較小，因而與東部地區(qū)省域相比，其碳排放總量仍然較低。如以2014年為例，位于西北地區(qū)的青海、寧夏、甘肅3個省域的碳排放總量僅為35.9×107 t，只相當于東部地區(qū)山東省的46.6%；就單個省而言，山東省的碳排放量卻是同期青海省的16.14倍。至于環(huán)渤海經(jīng)濟圈的北京、天津和長三角的上海，其碳排放卻處于低區(qū)域，原因在于京津地區(qū)和上海已形成了以現(xiàn)代服務業(yè)、高科技產(chǎn)業(yè)為主的產(chǎn)業(yè)結構，能源使用技術和產(chǎn)業(yè)節(jié)能工藝先進（如技術進步每增加1%可降低碳排放量1.31%）；同時，在控制能源總體消耗的同時，已將一些高污染高耗能的產(chǎn)業(yè)轉移到其他地區(qū)（如首鋼等重碳排放企業(yè)遷出北京），再加上新能源發(fā)展迅速，電力消耗以外部輸送為主[24]，其能源消費和碳排放量自然較低。而廣西和海南作為全國農業(yè)和旅游大省，其工業(yè)經(jīng)濟所占比重在全國所有省份中較低，故其碳排放量也較低。因此，總體上我國碳排放處于東高西低、北高南低的空間分布格局。

4 結論與政策建議

本文利用SG方法對1995—2015年中國省域碳排放的空間相關結構進行了非參數(shù)定量估計，通過比較SG相關系數(shù)與樣本相關系數(shù)，結合中國經(jīng)濟發(fā)展與碳排放的實際，驗證了該方法在中國省域碳排放實證研究中的有效性和合理性，彌補了ESDA方法和空間計量模型在省域碳排放空間相關研究中的不足，為定量研究空間任意兩區(qū)域變量的相關程度提供了新的思路?；赟G相關系數(shù)及其聚類分析的結果表明：①在對中國3個階段省域碳排放的相關結構研究中，未作變換得到的樣本相關系數(shù)存在一定的不合理性，與現(xiàn)實出入較大，而SG相關系數(shù)無論在理論上還是實踐上都十分接近實際。②中國省域碳排放存在明顯的空間正相關性和空間異質性，且碳排放較高或較低的省區(qū)在空間上逐漸趨于相鄰，但隨著時間的變化，空間相關性在高度聚集后又有所減弱。③中國省域碳排放存在東、中、西和北、中、南梯次格局，即東部地區(qū)和北部地區(qū)省域的碳排放量高于西部地區(qū)和南部地區(qū)，而中部地區(qū)省域居二者之間。

針對當前中國省域碳排放的空間相關結構和分布格局，未來在實現(xiàn)經(jīng)濟增長和節(jié)能減排的雙贏目標中，應充分考慮碳排放的空間相關性和外溢性，在將空間依賴性納入到碳減排政策制定的同時，對重點區(qū)域或重點行業(yè)應采取差異化的政策措施。對于經(jīng)濟發(fā)展較快的東部沿海、南部沿海省區(qū)，應嚴格控制其碳排放總量，對高排放行業(yè)或溢出效應明顯的區(qū)域（如環(huán)渤海經(jīng)濟圈），應采取強制措施有效實施產(chǎn)業(yè)升級，重點發(fā)展新能源產(chǎn)業(yè)、高新技術產(chǎn)業(yè)和高端服務業(yè)，走低碳、節(jié)約型的循環(huán)經(jīng)濟發(fā)展模式；對于能源依賴較高的東北地區(qū)和西北地區(qū)，在兼顧經(jīng)濟發(fā)展與碳減排的同時，應通過加快產(chǎn)業(yè)結構調整、優(yōu)化升級和技術進步等方式，逐步降低高耗能產(chǎn)業(yè)的比重，轉變以煤炭、石油類能源為主的消費結構，改變資源密集與高碳產(chǎn)品出口，限制來自東部省域不能產(chǎn)生正向增長效應的產(chǎn)業(yè)轉移；對于中部地區(qū)的省份，則應適度控制碳排放強度，淘汰落后產(chǎn)能，優(yōu)化能源消費結構，通過提高能源效率促進經(jīng)濟增長方式的實質性轉變。此外，在實施“共同但有區(qū)別”減排政策時，應加速發(fā)達與不發(fā)達地區(qū)經(jīng)濟技術等方面的合作，積極建立跨省域的協(xié)同減排機制，加強與周邊地區(qū)和高度相關地區(qū)聯(lián)系與合作，縮小碳排放的區(qū)域差異，以實現(xiàn)區(qū)域范圍內的聯(lián)動減排；同時把握好省域之間碳排放相關程度隨時間的變化趨勢，適時調整減排策略，最終實現(xiàn)經(jīng)濟和諧發(fā)展和全面減排。

（編輯：劉照勝）

參考文獻

[1]張翠菊，張宗益. 能源稟賦與技術進步對中國碳排放強度的空間效應[J]. 中國人口·資源與環(huán)境，2015，25（9）： 37-43.

[2]付云鵬，馬樹才，宋琪. 中國區(qū)域碳排放強度的空間計量分析[J]. 統(tǒng)計研究，2015，32（6）： 67-73.

[3]劉佳駿，史丹，汪川. 中國碳排放空間相關與空間溢出效應研究[J]. 自然資源學報，2015，30（8）：1289-1303.

[4]張翠菊，張宗益. 中國省域碳排放強度的集聚效應和輻射效應研究[J]. 環(huán)境科學學報，2017，37（3）： 1178-1184.

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

[6]劉賢趙，高長春，張勇，等. 中國省域能源消費碳排放空間依賴及影響因素的空間回歸分析[J]. 干旱區(qū)資源與環(huán)境，2016，30（10）： 1-6.

[7]鄭長德，劉帥.基于空間計量經(jīng)濟學的碳排放與經(jīng)濟增長分析[J]. 中國人口·資源與環(huán)境，2011，21（5）： 80-86.

[8]許海平.空間依賴、碳排放與人均收入的空間計量研究[J]. 中國人口·資源與環(huán)境，2012，22（9）： 149-157.

[9]CHENG Y Q， WANG Z Y， YE X Y， et al. Spatiotemporal dynamics of carbon intensity from energy consumption in China[J]. Journal of geographical sciences， 2014， 24（4）： 631-650.

[10]王佳，楊俊.中國地區(qū)碳排放強度差異成因研究——基于Shapley值分解方法[J]. 資源科學，2014，36（3）： 557-566.

[11]CLARKE-SATHER A， QU J， WANG Q， et al.Carbon inequality at the subnational scale： a case study of provinciallevel inequality in CO2 emissions in China 1997-2007[J].Energy policy， 2011， 9（9）：5420-5428.

[12]魏下海，余玲錚. 空間依賴、碳排放與經(jīng)濟增長——重新解讀中國的EKC假說[J].探索，2011（1）： 100-106.

[13]馬軍杰，陳震，尤建新.省域一次能源CO2排放的空間計量經(jīng)濟分析[J].技術經(jīng)濟，2010，29（12）： 62-67.

[14]SAMPSON P D， GUTTORP P. Nonparametric estimation of nonstationary spatial covariance structure [J]. Journal of the American Statistical Association， 1992， 87（417）： 108-119.

[15]賀俊，劉啟明，唐述毅. 轉移支付、產(chǎn)業(yè)結構與碳排放——基于內生增長的理論和實證分析[J]. 東北大學學報（社會科學版），2017，19（2）： 153-159.

[16]WABBA G， WENDELBERGER J. Some new mathematical methods for variation objective analysis using splines and crossvalidation[J]. Monthly weather review， 1980， 108： 1122-1143.

[17]R Development Core Team. R foundation for statistical computing Vienna， Austria [EB/OL]. 2014-12-15[2018-07-12]. http：//www.R-project.org.

[18]高長春，劉賢趙，李朝奎，等. 近20年來中國能源消費碳排放時空格局動態(tài)[J]. 地理科學進展，2016，35（6）： 747-757.

[19]劉賢趙，高長春，張勇，等. 中國省域碳強度空間依賴格局及其影響因素的空間異質性研究[J].地理科學，2018，38（5）： 681-690.

[20]LI Y， HEWITT C N. The effect of trade between China and the UK on national and global carbon dioxide emissions [J]. Energy policy， 2008， 36（6）： 1907-1914.

[21]張德鋼，陸遠權. 中國碳排放的空間關聯(lián)及其解釋——基于社會網(wǎng)絡分析法[J]. 軟科學，2017，31（4）： 15-18.

[22]劉占成，王安建，于汶加，等. 中國區(qū)域碳排放研究[J]. 地球學報，2010，31（5）： 727- 732.

[23]李建豹，黃賢金，吳常艷，等. 中國省域碳排放的空間格局預測分析[J]. 生態(tài)經(jīng)濟，2017，33（3）： 46-52.

[24]趙欣，龍如銀. 考慮全要素生產(chǎn)率的中國碳排放影響因素分析[J]. 資源科學，2010，32（10）： 1863-1870.

[25]SU B， ANG B W. Inputoutput analysis of CO2 emissions embodied in trade： a multiregion model for China [J]. Applied energy， 2014， 114： 377-384.

[26]SWITZER P. Nonstationary spatial covariance estimated from monitoring data in geostatistics [M]. Amsterdam： Kluwer Academic Publishers， 1989：127-138.

[27]WEERAHANDI S， ZIDEK J V. Bayesian no smoothers [J]. Canadian journal of statistics， 1988， 16： 61-74.

[28]MEIRING W， GUTTORP P， SAMPSON P D. Computational issues in fitting spatial deformation models for heterogeneous spatial correlation[C]// Proceedings of the 29th Symposium on the Interface： Computing Science and Statistics. 1997.

[29]MEIRING W， MONESTIEZ P， SAMPSON P D. Developments in the modeling of nonstationary spatial covariance structure from spacetime monitoring data// Geostatistics Wollongong 96 [M]. Amsterdam： Kluwer Academic Publishers， 1997：162-173.

[30]ALEXANDRA M S， OHAGAN A. Bayesian inference for nonstationary spatial covariance structure via spatial deformations [J]. Journal of the Royal Statistical Society series B：statistical methodology， 2003， 65（3）： 743-758.

[31]JIM Z， LI S， LE N， et al. Contending with spacetime interaction in the spatial prediction of pollution： Vancouvers hourly ambient PM10 field [J]. Environmetrics， 2002， 13： 595-613.

[32]劉明， 王思文. β收斂、空間依賴與中國制造業(yè)發(fā)展 [J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2018， 2： 3-12.