基于GTWR的數(shù)字經(jīng)濟(jì)發(fā)展對(duì)城市碳排放的影響研究

馬銅澤

【摘要】文章基于GTWR模型研究數(shù)字經(jīng)濟(jì)發(fā)展對(duì)碳排放的時(shí)空影響效應(yīng)，使用2011—2019年全國(guó)283個(gè)地級(jí)市面板數(shù)據(jù)，在此基礎(chǔ)之上進(jìn)行計(jì)量分析。結(jié)果表明數(shù)字經(jīng)濟(jì)發(fā)展顯著影響并抑制碳排放，在不同地區(qū)具有顯著時(shí)空異質(zhì)性，且由北到南抑制作用逐次遞減。對(duì)區(qū)域化碳減排工作具有一定借鑒意義，可以利用數(shù)字經(jīng)濟(jì)發(fā)展在技術(shù)創(chuàng)新、效率提升和資源配置方面的優(yōu)勢(shì)，制定碳減排區(qū)域化實(shí)施方案，爭(zhēng)取早日達(dá)到“碳中和”目標(biāo)。

【關(guān)鍵詞】GTWR；數(shù)字經(jīng)濟(jì)發(fā)展；碳排放

【中圖分類(lèi)號(hào)】F42

★ 基金項(xiàng)目：貴州財(cái)經(jīng)大學(xué)校級(jí)自籌專(zhuān)項(xiàng)項(xiàng)目（2022ZCZX060）。

一、引言

中國(guó)地大物博，版圖幅員遼闊。中國(guó)近十年數(shù)字經(jīng)濟(jì)發(fā)展差異顯著，時(shí)間和地區(qū)是數(shù)字經(jīng)濟(jì)對(duì)碳排放影響的重要決定因素。由于各省份各城市自然條件和政策傾向不同，我國(guó)相繼出臺(tái)西部大開(kāi)發(fā)、東北振興、中部崛起、東部新跨越等一系列區(qū)域發(fā)展規(guī)劃，顯著地促進(jìn)了各地經(jīng)濟(jì)水平的進(jìn)步，然而，由于政策導(dǎo)向與資源稟賦的非均衡發(fā)展的影響，我國(guó)省域數(shù)字經(jīng)濟(jì)發(fā)展水平不盡相同且差異顯著。數(shù)字經(jīng)濟(jì)發(fā)展不平衡不充分問(wèn)題較為突出，體現(xiàn)在多數(shù)地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)較低，北京數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)平均值是青海、寧夏、新疆等地的6倍多，雖然上述地區(qū)具有較大增長(zhǎng)率，但兩者之間的差距依舊存在，這表明中國(guó)省域和市域的數(shù)字經(jīng)濟(jì)發(fā)展水平的差異在短時(shí)間內(nèi)難以撫平，并且存在明顯的“馬太效應(yīng)”。地區(qū)是一個(gè)重要因素，因?yàn)閿?shù)字經(jīng)濟(jì)的發(fā)展具有空間依賴(lài)性。臨近地區(qū)的數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施建設(shè)、數(shù)字化產(chǎn)業(yè)相互依賴(lài)。并且，數(shù)字經(jīng)濟(jì)的發(fā)展具有很強(qiáng)的時(shí)間效應(yīng)，數(shù)字經(jīng)濟(jì)對(duì)一個(gè)地區(qū)的碳排放影響也有很強(qiáng)慣性。因此本文用時(shí)空地理加權(quán)回歸來(lái)分析數(shù)字經(jīng)濟(jì)發(fā)展對(duì)不同地區(qū)碳排放局部效應(yīng)的影響。

二、文獻(xiàn)綜述

2003年Khanna M[1]開(kāi)啟了地理加權(quán)回歸的先河。HuangBo（2010）[2]提出時(shí)空地理加權(quán)回歸模型用于房?jī)r(jià)時(shí)空變化的建模。A. Stewart Fotheringham（2015）[3]關(guān)注局部非平穩(wěn)的時(shí)空建模論證了時(shí)空地理加權(quán)回歸的有效性以及優(yōu)于傳統(tǒng)GWR方法的重要性。時(shí)空分析與建模長(zhǎng)期以來(lái)一直是地理信息科學(xué)研究領(lǐng)域的重要關(guān)注點(diǎn)。

早在2013年就有部分學(xué)者開(kāi)始以GDP、第二產(chǎn)業(yè)比重、能源利用效率和人口為驅(qū)動(dòng)因子研究中國(guó)碳排放的影響因素以及空間異質(zhì)性分析[4]。到了2014年部分學(xué)者以人口規(guī)模、城鎮(zhèn)化率、人均GDP、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、能源價(jià)格和對(duì)外開(kāi)放水平作為碳排放的影響因素展開(kāi)研究[5]。2019年部分學(xué)者運(yùn)用GWR模型，以農(nóng)業(yè)對(duì)外開(kāi)放度、農(nóng)業(yè)機(jī)械化程度、人均農(nóng)業(yè)GDP為驅(qū)動(dòng)變量對(duì)農(nóng)業(yè)碳排放影響因素時(shí)空異質(zhì)性展開(kāi)研究[6]。2020年部分學(xué)者運(yùn)用GTWR模型對(duì)江蘇居民消費(fèi)碳排放測(cè)度，以人口密度、人均地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)占比、恩格爾系數(shù)、人均生活用電量和R&D占比為影響因素展開(kāi)研究[7]。經(jīng)濟(jì)發(fā)展與碳排放脫鉤是當(dāng)今世界研究的主流問(wèn)題。而數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)碳排放的影響成為學(xué)術(shù)界的熱點(diǎn)話題。部分學(xué)者在2020年發(fā)現(xiàn)了數(shù)字經(jīng)濟(jì)可以促進(jìn)經(jīng)濟(jì)的高質(zhì)量發(fā)展，其中高質(zhì)量發(fā)展就包括環(huán)境質(zhì)量的提升[8]。

三、研究設(shè)計(jì)

（一）模型的建立

時(shí)空自相關(guān)和非平穩(wěn)性是地理數(shù)據(jù)建模中的兩個(gè)重要問(wèn)題。數(shù)字經(jīng)濟(jì)發(fā)展的市場(chǎng)潛能、外部經(jīng)濟(jì)、增長(zhǎng)級(jí)理論、擴(kuò)散指數(shù)、涓滴理論和金融相關(guān)都有可能形成這兩方面問(wèn)題。

考慮到數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響可能具有時(shí)空異質(zhì)性特征，由于GWR是局部空間建模的重要方法，選擇能夠刻畫(huà)時(shí)空異質(zhì)性的時(shí)空地理加權(quán)回歸模型。本研究提出的GWR的時(shí)空版本GTWR擴(kuò)展了其對(duì)時(shí)空非靜態(tài)過(guò)程建模的能力。GTWR模型是在傳統(tǒng)計(jì)量模型的基礎(chǔ)上估計(jì)解釋變量在時(shí)空演變上的局部效應(yīng)的一個(gè)變參數(shù)模型，其參數(shù)值隨時(shí)空的變化而變化。GTWR產(chǎn)生的局部參數(shù)估計(jì)具有更好的偏差——方差權(quán)衡。

（二）變量選取與數(shù)據(jù)來(lái)源

由于部分地級(jí)市的數(shù)據(jù)不可得，本文研究的數(shù)據(jù)為全國(guó)2011—2019年地級(jí)市數(shù)據(jù)，數(shù)據(jù)來(lái)源大多來(lái)源于中國(guó)城市統(tǒng)計(jì)年鑒，數(shù)字普惠金融來(lái)源于北京大學(xué)編制的指標(biāo)。部分缺失值本文用插值法進(jìn)行填補(bǔ)。

我們確定了數(shù)字經(jīng)濟(jì)發(fā)展的“綠色”場(chǎng)景目標(biāo)地標(biāo)：投資流入、資源效率和能源效率、消費(fèi)者意識(shí)、有效的國(guó)家監(jiān)管、創(chuàng)新活動(dòng)。并且根據(jù)Dietz和Rosa[9]設(shè)立的STIRPAT模型進(jìn)行參數(shù)的選擇。

1.核心解釋變量：數(shù)字經(jīng)濟(jì)

本章借鑒趙濤等（2020）的做法構(gòu)建全國(guó)城市層面的數(shù)字經(jīng)濟(jì)[8]，基于互聯(lián)網(wǎng)發(fā)展和數(shù)字金融普惠2個(gè)維度構(gòu)建數(shù)字經(jīng)濟(jì)發(fā)展水平。城市互聯(lián)網(wǎng)發(fā)展測(cè)度，采用互聯(lián)網(wǎng)普及率、從業(yè)人員、產(chǎn)出情況和移動(dòng)電話普及率四方面指標(biāo)。5個(gè)指標(biāo)具體為：百人互聯(lián)網(wǎng)寬帶接入數(shù)、計(jì)算機(jī)和軟件業(yè)從業(yè)人員占城鎮(zhèn)從業(yè)人員比重、人均電信業(yè)務(wù)總量、人均郵政業(yè)務(wù)量和百人移動(dòng)電話數(shù)。以上原始數(shù)據(jù)均在《中國(guó)城市統(tǒng)計(jì)年鑒》獲得。數(shù)字金融發(fā)展用中國(guó)數(shù)字普惠金融指數(shù)表征，由北京大學(xué)數(shù)字金融研究中心和螞蟻金服集團(tuán)共同編制（郭峰等，2020）[10]。利用熵值法，將各個(gè)指標(biāo)標(biāo)準(zhǔn)化后降維處理，得到數(shù)字經(jīng)濟(jì)綜合指數(shù)，記為DIGE。

2.被解釋變量：碳排放（CO2），城市碳排放量的測(cè)算借鑒吳建新（2016）[11]等人的做法，構(gòu)造碳排放總量。碳排放主要源于工業(yè)化石能源消耗。因此，將電能、液化石油氣、煤氣、熱能和交通運(yùn)輸所產(chǎn)生的碳排放加總就得到了城市碳排放。

3.控制變量

考慮到其他可能會(huì)影響各行業(yè)污染排放情況的因素，本文加入了如下控制變量：

（1）創(chuàng)新創(chuàng)業(yè)指數(shù)（IEI）：本文采用的創(chuàng)新創(chuàng)業(yè)指數(shù)是北京大學(xué)企業(yè)大數(shù)據(jù)研究中心主導(dǎo)，北京大學(xué)國(guó)家發(fā)展研究院與龍信數(shù)據(jù)研究院聯(lián)合開(kāi)發(fā)，客觀反映中國(guó)城市層面創(chuàng)新創(chuàng)業(yè)活動(dòng)的一套指數(shù)。

（2）人均經(jīng)濟(jì)發(fā)展水平（PGDP）：用地區(qū)人均GDP取自然對(duì)數(shù)進(jìn)行衡量。人均經(jīng)濟(jì)發(fā)展水平越高，越有利于增加環(huán)境保護(hù)投資，從而降低環(huán)境污染程度。

（3）年末總?cè)丝跀?shù)（POPU）：本文采用地區(qū)年末總?cè)丝诒戎貋?lái)衡量。年末總?cè)丝谑巧鐣?huì)發(fā)展進(jìn)程中不可或缺的重要變量，總?cè)丝跀?shù)具有很強(qiáng)的慣性特征，可以很好衡量地區(qū)的發(fā)展水平和未來(lái)經(jīng)濟(jì)發(fā)展前景。

（4）外商直接投資（FDI）：本文采用地區(qū)外商直接投資額占GDP的比重來(lái)衡量外商直接投資。FDI通過(guò)引進(jìn)推廣綠色技術(shù)和節(jié)能技術(shù)，從而提高生產(chǎn)效率、優(yōu)化資源配置并降低污染排放。

四、實(shí)證研究

為了檢查GTWR模型的適用性，使用全國(guó)從2011—2019年的數(shù)字經(jīng)濟(jì)和碳排放的數(shù)據(jù)。首先進(jìn)行檢驗(yàn)時(shí)間和空間的異質(zhì)性統(tǒng)計(jì)假設(shè)，然后我們使用了四種模型進(jìn)行擬合，并檢查他們的擬合程度。首先，使用全局OLS分析數(shù)字經(jīng)濟(jì)（數(shù)字化）對(duì)碳排放的影響，沒(méi)有考慮任何空間或時(shí)間的因素。然后，我們使用傳統(tǒng)的GWR、TWR和GTWR分別分析數(shù)字經(jīng)濟(jì)（數(shù)字化）對(duì)碳排放的影響。為了比較，我們應(yīng)用McNamara的檢驗(yàn)來(lái)評(píng)估不同模型統(tǒng)計(jì)顯著性差異。

（一）研究數(shù)據(jù)

由于部分?jǐn)?shù)據(jù)不可得，研究數(shù)據(jù)為中國(guó)全國(guó)大部分地級(jí)市。數(shù)據(jù)來(lái)源由各地級(jí)市統(tǒng)計(jì)局獲得。

首先對(duì)碳排放區(qū)域異質(zhì)性分析，由于不同時(shí)間和區(qū)位，不同地級(jí)市碳排放程度也不同。由ArcGIS做出圖像可以看出，隨著經(jīng)濟(jì)的高速發(fā)展，碳排放程度也在逐漸增強(qiáng)。且京津冀、長(zhǎng)三角、珠三角地區(qū)的碳排放水平一直處于較高位置。

（二）時(shí)空非平穩(wěn)性檢驗(yàn)

考慮到不同地級(jí)市的經(jīng)濟(jì)發(fā)展程度、數(shù)字經(jīng)濟(jì)發(fā)展程度和政府政策的傾向程度的不同，可能對(duì)碳排放的抑制作用產(chǎn)生不同的反應(yīng)。因此，對(duì)于樣本的數(shù)據(jù)類(lèi)型，首先要考慮的是基于GWR、TWR和GTWR模型是否可以比OLS模型更好的描述數(shù)據(jù)集。也就是說(shuō)，在應(yīng)用GTWR模型之前，我們需要評(píng)估研究區(qū)域是否具有顯著的空間和（或）時(shí)間非平穩(wěn)性。Brunsdon（1999）[12]建議做一個(gè)統(tǒng)計(jì)檢驗(yàn)，關(guān)于時(shí)間和空間的影響系數(shù)（βk（ui，vi））是否都為常數(shù)。如果不能拒絕原假設(shè)，那么證明對(duì)于數(shù)據(jù)，用常規(guī)的全局回歸是適合的。

我們可以通過(guò)比較OLS、GWR、TWR、GTWR擬合之后的殘差，檢驗(yàn)時(shí)空非平穩(wěn)性。由此，本文分別對(duì)數(shù)據(jù)用OLS、GWR、TWR和GTWR模型進(jìn)行擬合，分別觀察擬合之后的殘差大小、R2和AICc值。估計(jì)結(jié)果見(jiàn)表1。

由表1可知，時(shí)空地理加權(quán)回歸的殘差值最小，擬合程度最好。時(shí)空地理加權(quán)回歸能挖掘到OLS、GWR所不能呈現(xiàn)的信息。此外，在GWR中加入時(shí)間變化信息，可以建立一個(gè)更加精確的模型。

（三）最優(yōu)參數(shù)選擇

在擬合GTWR模型之時(shí)，需要引入一個(gè)參數(shù)，進(jìn)行優(yōu)化擬合優(yōu)度。另外一個(gè)時(shí)空地理加權(quán)回歸需要考慮的參數(shù)是尋找到合適的帶寬，基于CV或AIC，確定最優(yōu)空間帶寬。利用最優(yōu)空間帶寬，確定最優(yōu)時(shí)間帶寬，同樣基于CV或AIC，一旦推導(dǎo)出最優(yōu)的空間和時(shí)間帶寬，它們就可以用來(lái)構(gòu)造時(shí)空權(quán)重矩陣W，使用模型（2）估計(jì)局部參數(shù)。一個(gè)由空間衰減和時(shí)間衰減帶寬組成的時(shí)空核函數(shù)。

GTWR中的帶寬決定了給定一個(gè)點(diǎn)附近的衰減速率。選擇一個(gè)合適的帶寬能夠?qū)r(shí)空變化的系數(shù)可靠估計(jì)。如果帶寬過(guò)小，系數(shù)會(huì)隨著地理距離快速縮減造成過(guò)大的殘差。而過(guò)大的帶寬，產(chǎn)生更平滑的結(jié)果，偏差會(huì)增加。由表2可知，最優(yōu)帶寬為0.114996，殘差平方和為144.369，AICc為160.131，調(diào)整后的R2為0.769041，時(shí)空距離比為0.541833。

五、結(jié)果比較與分析

時(shí)空地理加權(quán)回歸結(jié)果如表3所示，用GTWR衡量出了不同時(shí)間不同地理位置的數(shù)字經(jīng)濟(jì)發(fā)展對(duì)該地區(qū)碳排放的影響程度。由表3可知，比較上下四分位系數(shù)與均值的回歸系數(shù)方向較為一致，表明結(jié)果比較可信。模型的調(diào)整的可決系數(shù)是0.768585，模型擬合程度較好。而數(shù)字經(jīng)濟(jì)發(fā)展、創(chuàng)新創(chuàng)業(yè)、人均GDP、年末總?cè)丝诤蛯?shí)際利用外商直接投資額對(duì)地區(qū)碳排放的影響程度存在明顯差異。

為了更加清晰的展現(xiàn)數(shù)字經(jīng)濟(jì)發(fā)展對(duì)不同地區(qū)碳排放影響的異質(zhì)性，計(jì)算2011—2013年、2014—2016年、2017—2019年三個(gè)時(shí)間段數(shù)字經(jīng)濟(jì)發(fā)展對(duì)碳排放的年均回歸系數(shù)。用ArcGIS10.8將基于時(shí)空地理加權(quán)回歸模型的數(shù)字經(jīng)濟(jì)對(duì)碳排放的年均回歸系數(shù)用地圖的形式可視化。顯現(xiàn)出來(lái)的不是平均值，而是根據(jù)系數(shù)的最小值和最大值的范圍進(jìn)行劃分。地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展對(duì)碳排放的影響既有相關(guān)性更有明顯時(shí)空的差異。時(shí)空趨勢(shì)從北向南逐次遞減。京津冀、長(zhǎng)三角和珠三角變化尤為明顯。

數(shù)字經(jīng)濟(jì)的發(fā)展對(duì)環(huán)境的污染較為友好，數(shù)字經(jīng)濟(jì)大多為互聯(lián)網(wǎng)產(chǎn)業(yè)和信息產(chǎn)業(yè)以提供信息為主，其對(duì)環(huán)境的污染程度明顯低于傳統(tǒng)制造業(yè)。由ArcGIS做出圖像可以看出，東北地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平較為落后[13]，東北三省碳排放總量占中國(guó)碳排放總量8.84%，碳排放強(qiáng)度普遍高于中國(guó)碳排放強(qiáng)度。數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響始終處于很高水平[14]。京津冀、長(zhǎng)三角地區(qū)、珠三角地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展水平明顯高于全國(guó)，城市群內(nèi)部的空間溢出效應(yīng)明顯且地區(qū)內(nèi)城市間數(shù)字經(jīng)濟(jì)發(fā)展水平差異性較大[15]。中國(guó)東部的11個(gè)省市是中國(guó)經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)，其碳排放量約占全國(guó)碳排放量的1/2。有7個(gè)省市碳排放可能在2030年之前達(dá)峰，其中，北京、上海將最早出現(xiàn)碳排放峰值，達(dá)峰時(shí)間可能為2022年。然而，另外4個(gè)省市碳排放較難在2030年之前達(dá)峰[16]。而數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響明顯有發(fā)達(dá)地區(qū)帶動(dòng)周?chē)鞘行ЧＶ胁康貐^(qū)數(shù)字經(jīng)濟(jì)發(fā)展一直處于上升態(tài)勢(shì)，而各省在數(shù)字經(jīng)濟(jì)發(fā)展速度差異較大。山西省碳排放量居中部地區(qū)首位，河南省次之，安徽省碳排放量位居第三，后為湖北省和湖南省，江西省碳排放最低。而中部地區(qū)碳排放量聚集程度逐年減弱[17]，且數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響也在動(dòng)態(tài)調(diào)整。

本文用GTWR解釋數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響，系數(shù)絕對(duì)值越大，說(shuō)明這個(gè)系數(shù)在這個(gè)時(shí)間這個(gè)地點(diǎn)，對(duì)因變量的解釋力更強(qiáng)，影響越大。部分地區(qū)數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響存在倒U型關(guān)系。無(wú)論是地區(qū)碳排放水平空間集聚度，還是碳排放規(guī)模與數(shù)字經(jīng)濟(jì)增長(zhǎng)或者是生態(tài)經(jīng)濟(jì)效率之間的動(dòng)態(tài)關(guān)系都可以用一條倒U型曲線來(lái)刻畫(huà)，即在全國(guó)地區(qū)，碳排放水平集聚度或絕對(duì)規(guī)模對(duì)經(jīng)濟(jì)增長(zhǎng)或生態(tài)經(jīng)濟(jì)效率的影響效應(yīng)，初始階段是促進(jìn)作用，達(dá)到某一拐點(diǎn)后，其影響效應(yīng)變?yōu)樨?fù)向。也就是說(shuō)，無(wú)論從數(shù)字經(jīng)濟(jì)增長(zhǎng)還是生態(tài)經(jīng)濟(jì)效率方面來(lái)看，碳排放水平空間集聚度和規(guī)模并不是越大越好，而是存在一個(gè)最佳集聚度和最優(yōu)規(guī)模。依托數(shù)字技術(shù)不僅可促進(jìn)產(chǎn)業(yè)升級(jí)和結(jié)構(gòu)調(diào)整，能夠?qū)μ寂欧抛顑?yōu)規(guī)模進(jìn)行更準(zhǔn)確、更科學(xué)的測(cè)度和動(dòng)態(tài)調(diào)整，為相關(guān)決策提供參考。

六、結(jié)論

數(shù)字經(jīng)濟(jì)對(duì)碳排放的影響主要在于數(shù)字經(jīng)濟(jì)發(fā)展要求經(jīng)濟(jì)數(shù)字化不斷深入，不斷出現(xiàn)新技術(shù)、新業(yè)態(tài)、新模式。數(shù)字經(jīng)濟(jì)相關(guān)新技術(shù)的出現(xiàn)，為能源效率、生態(tài)效率和經(jīng)濟(jì)效率的提升提供技術(shù)支撐，為傳統(tǒng)產(chǎn)業(yè)（尤其是碳排放嚴(yán)重產(chǎn)業(yè)）升級(jí)改造提供技術(shù)支持；新業(yè)態(tài)是數(shù)字經(jīng)濟(jì)發(fā)展的重要體現(xiàn)之一，新業(yè)態(tài)的出現(xiàn)本身就是區(qū)域產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的過(guò)程；數(shù)字經(jīng)濟(jì)的發(fā)展也催生了新模式不斷產(chǎn)生，是對(duì)傳統(tǒng)模式的調(diào)整和優(yōu)化。利用數(shù)字技術(shù)、數(shù)字資源提升原產(chǎn)業(yè)的全要素生產(chǎn)效率、降低企業(yè)生產(chǎn)成本和運(yùn)營(yíng)成本，使企業(yè)的產(chǎn)品和服務(wù)的價(jià)值在價(jià)值鏈中不斷攀升，使傳統(tǒng)產(chǎn)業(yè)不斷提升能源效率、生態(tài)效率和經(jīng)濟(jì)效率，從而實(shí)現(xiàn)碳減排和碳中和的最終目標(biāo)。

主要參考文獻(xiàn)：

[1]Khanna M，Roe B E，Vercammen J，et al.Geographically Weighted Regression：The Analysis of Spatially Varying Relationships.

[2]Bo H，Bo W，Barry M.Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science，2010，24（3-4）：383-401.

[3]Fotheringham，A.S.，Crespo，R.and Yao，J. （2015） Geographical and temporal weighted regression （GTWR）. Geographical Analysis，47（4），pp.431-452.

[4]李丹丹，劉銳，陳動(dòng).中國(guó)省域碳排放及其驅(qū)動(dòng)因子的時(shí)空異質(zhì)性研究[J].中國(guó)人口 資源與環(huán)境，2013，23（07）：84-92.

[5]肖宏偉，易丹輝.基于時(shí)空地理加權(quán)回歸模型的中國(guó)碳排放驅(qū)動(dòng)因素實(shí)證研究[J].統(tǒng)計(jì)與信息論壇，2014，29（02）：83-89.

[6]李慧，李瑋，姚西龍.基于GWR模型的農(nóng)業(yè)碳排放影響因素時(shí)空分異研究[J].科技管理研究，2019，39（18）：238-245.

[7]楊莉，張雪磊.江蘇居民消費(fèi)碳排放測(cè)度與影響因素研究——基于GTWR模型的實(shí)證分析[J].生態(tài)經(jīng)濟(jì)，2020，36（05）：31-38.

[8]趙濤，張智，梁上坤.數(shù)字經(jīng)濟(jì)、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來(lái)自中國(guó)城市的經(jīng)驗(yàn)證據(jù)[J].管理世界，2020，36（10）：65-76.

[9]Dietz R T .STIRPAT，IPAT and ImPACT： analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics，2003.

[10]郭峰，王靖一，王芳等.測(cè)度中國(guó)數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征 [J].經(jīng)濟(jì)學(xué)（季刊），2020，19（04）： 1401-18.

[11]吳建新，郭智勇.基于連續(xù)性動(dòng)態(tài)分布方法的中國(guó)碳排放收斂分析[J].統(tǒng)計(jì)研究，2016，33（01）：54-60.

[12]Brunsdon C， Fotheringham A S， Charlton M .SOME NOTES ON PARAMETRIC SIGNIFICANCE TESTS FOR GWR. 1999.

[13]田俊峰，王彬燕，王士君，程利莎.中國(guó)東北地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展空間分異及成因[J].地域研究與開(kāi)發(fā)，2019，38（06）：16-21.

[14]馬曉君，董碧瀅，于淵博，王常欣，楊倩.東北三省能源消費(fèi)碳排放測(cè)度及影響因素[J].中國(guó)環(huán)境科學(xué)，2018，38（08）：3170-3179.

[15]劉傳輝，楊志鵬.城市群數(shù)字經(jīng)濟(jì)指數(shù)測(cè)度及時(shí)空差異特征分析——以六大城市群為例[J].現(xiàn)代管理科學(xué)，2021（04）：92-111.

[16]潘棟，李楠，李鋒，馮奎雙，彭璐璐，王震.基于能源碳排放預(yù)測(cè)的中國(guó)東部地區(qū)達(dá)峰策略制定[J].環(huán)境科學(xué)學(xué)報(bào)，2021，41（03）：1142-1152.DOI：10.13671/ j.hjkxxb.2020.0325.

[17]趙強(qiáng)，周月凌，方潛生，易明建.中部地區(qū)碳排放時(shí)空演變及其影響因素分析[J/OL].環(huán)境科學(xué)學(xué)報(bào)：1-11[2022-11-01].

責(zé)編：夢(mèng)超