The Interaction of Sustainable Trade, Green Technological Progress and the Upgrading of the Global Innovation Chain: Based on Data from Multinational and Multi-industry in the Context of Carbon Neutrality
-
摘要: 受全球新型冠状病毒肺炎疫情以及单边贸易保护主义的影响,与经济发展密切相关的可持续贸易成为各国关注的焦点。以32个在世界经济体中具有代表性的国家和地区为例,根据其1995—2018年的相关面板数据,基于三阶段SBM-DEA模型,结合Malmquist指数测算创新效率,分析其与绿色技术进步对可持续贸易的影响,并利用空间杜宾模型等进行回归分析和效应分解。交互作用方面,结合空间杜宾、误差模型结果,综合考虑运用Bootstrap中介效应进行分析。结论表明:绿色技术进步在显著促进单一国家可持续贸易发展的同时,对周边地区或经济发展水平相近的地区具有积极的正向溢出效应;绿色技术进步对可持续贸易的作用会受到创新效率的正向影响。
-
关键词:
- 可持续贸易 /
- 绿色技术进步 /
- 三阶段SBM-DEA /
- 空间杜宾模型 /
- 中介效应
Abstract: Affected by the global COVID-19 pandemic and unilateral trade protectionism, sustainable trade, which is closely related to economic development has become the focus of attention everywhere. Taking 32 representative countries and regions in the world economy as examples, according to their relevant panel data from 1995 to 2018, based on the non-radial three-stage SBM-DEA model, combined with the Malmquist index, this paper measures innovation efficiency, and analyzes its relationship with the impact of green technology progress on sustainable trade. The spatial Durbin model is adopted for regression analysis and effect decomposition. In terms of interaction, combined with the results of the spatial Dobin and error models, the Bootstrap mediation effect was comprehensively considered for analysis. The result shows that the progress of green technology not only promotes the sustainable trade development of a single country, but also has a positive spillover effect on surrounding areas or areas with similar economic development levels. The effect of green technological progress on sustainable trade is positively affected by innovation efficiency. -
自20世纪90年代以来,国内外学者对非木质林产品展开了广泛研究,学者们普遍使用“非木材林产品”一词,并将其定义为“在森林中或者任何类似用途的土地上生产的所有可以更新的产品”[1]。2006年,联合国粮农组织(Food and Agriculture Organization of the United Nations,简称FAO)发布的Global Forest Resources Assessment(《全球森林资源评估》)报告将“非木材林产品”(Non-wood Forest Products,简称NWFPs)正式改为“非木质林产品”(non-timber forest products,简称NTFPs)。自此以后,我国就一直采用“非木质林产品”的提法,并在2007年颁布的《中国森林认证森林经营LY/T 1714—2007》中将其定义为“从森林中获取的,除木材以外的林产品、森林资源及其衍生资源,包括动植物、菌类、生态景观和生态服务等产品”。
在明确界定“非木质林产品”概念的基础上,有学者分析指出,非木质林产品资源的合理开发利用具有突出的经济和社会效益,不仅能有效改善贫困山区的生态环境,而且有助于当地农户摆脱贫困的生存环境[2-3]。鉴于此,学者们围绕“非木质林产品与农村扶贫”的话题,展开了大量的研究,并取得了丰硕的研究成果。本研究分别以“非木质林产品”为中文关键词,以“Non-timber Forest Products”为英文关键词,对2001—2020年收录于中国知网、万方数据、EBSCO、Science Direct等中外期刊全文数据库的相关文献进行检索,共检索611篇文献,其中中文文献68篇,英文文献543篇,进而从农户生产经营非木质林产品行为特征、非木质林产品的重要作用、非木质林产品对农民增收和农村扶贫的贡献3个方面总结梳理学术界现有研究成果,并对其尚存的改善空间进行了分析评述,以期为进一步深化相关研究提供参考和借鉴。
一. 农户生产经营非木质林产品行为特征的研究进展
从现有文献看,学者们对农户生产经营非木质林产品行为特征的研究主要集中于以下两个方面。
一 农户生产经营非木质林产品的方式及其影响因素
在贫困山区,农户面临的非木质林产品生产经营方式较为多样,选择何种方式会受许多因素的影响。学者们从不同维度进行了分类:薛彩霞等[4]基于陕西、四川两省1 131户农户的调研结果,依据不同的非木质林产品类型,将其分为利用林木资源某一部位的“种植经济林方式”和利用林下生态环境的“开发林下经济方式”两类;而沈月琴等[5]则利用临安区和淳安县121户山核桃经营农户的调研信息,从生产要素投入的视角,将其分为大量使用除草剂、化肥、农药的“传统经营方式”和集生物多样性保护、生物病虫害防治、生态修复等技术于一体的“生态化经营方式”。
关于农户非木质林产品生产经营方式选择的影响因素,学者们研究发现,大致可以分为农户所在家庭特征和所处社会环境特征两类:①从农户所在家庭特征来看,Dash等[6]、Sakai等[7]分别基于印度和马来西亚农村家庭的调研数据分析指出,户主的年龄、受教育程度、性别和子女的数量等均会显著影响农户的非木质林产品生产经营方式选择;但也有学者的研究结果表明,家庭劳动力数量和分工情况会影响农户对不同类型非木质林产品的使用[4]。②从农户所处社会环境特征来看,时小琳等[8]、Charoensuk等[9]认为政府的政策导向会在一定程度上改变农户生产经营非木质林产品的方式;而Janse等[10]研究发现,荷兰和挪威的村庄基础设施状况和林区社会经济状况的差异,是导致当地农户生产经营非木质林产品方式不同的主要原因。
二 农户生产经营非木质林产品的效率及其影响因素
为了获取更高的非木质林产品经营收入,农户通常会采取多种措施提高其生产经营效率。学者们对农户生产经营非木质林产品的效率进行了测度,并对其主要的影响因素进行了实证分析。其中,关于农户生产经营非木质林产品的效率的测度,学者们先后采用了多种方法以提高测度的准确性。其中,朱臻等[11]采用扩展的C-D生产函数测度临安山核桃和仙居杨梅的种植生产效率;朱烨等[12]采用数据包络分析(Data Envelopment Analysis,简称DEA)方法测度农户经营竹林的生产效率;而李桦等[13]、薛彩霞等[14]相关学者则通过建立基于超越对数生产函数形式的随机前沿分析(Stochastic Frontier Analysis,简称SFA)模型,对林农生产经营林下养殖、药材、水果、干果、竹笋等多种类别非木质林产品的技术效率进行了测度。
关于非木质林产品生产经营效率的影响因素,学者主要从农户个体特征、林地资源禀赋等方面进行实证检验:薛彩霞等[15]对陕西省和四川省农户的调查数据分析发现,经营者受教育程度、有无参加合作社、经营林地质量与规模会显著影响农户的非木质林产品生产经营效率;孔凡斌等[16]利用9个省(区)2 420户农户调研数据分析指出,由林地块数所反映的林地细碎化程度对包括非木质林产品在内的林产品产出有显著的负向影响,不利于农户林业生产经营效率的提高;李鹏丹[17]对陕西省镇安县与黄龙县共计323个有效农户样本数据进行了实证分析,结果表明家庭林业劳动力投入状况、户主经营年限、户主参加培训状况以及林地交通状况等因素会显著影响农户的非木质林产品生产经营效率;而敖贵艳等[18]则采用DEA-Tobit两阶段模型测度浙江省山核桃种植户的生产经营效率,并对其主要的影响因素及作用机理进行了实证检验,发现张网采收技术和电商销售模式的应用会显著提升林农对山核桃等非木质林产品的生产经营效率。
二. 非木质林产品重要作用的研究进展
在贫困山区,农户积极参与非木质林产品的开发利用,主要是因为当地丰富的非木质林产品资源在改善农户生活质量、促进农村社会发展进步等方面具有重要作用。近年来,学者们对非木质林产品重要作用的研究也主要从这两个方面展开。
一 非木质林产品有助于改善农户生活质量
非木质林产品具有改善农户生活质量的重要作用,主要原因是其能为附近农户创造就业、维持生计和促进增收。蔡颖萍[19]深入调研了浙江省山区农户的非木质林产品生产经营状况,发现有效开发利用山核桃、竹笋、柑橘、香菇等特色非木质林产品资源可以显著提高附近农户的经济收入,改善其生活质量;而黎洁等[20]在对西安周至县山区农户的问卷调查中发现,生产经营非木质林产品能在一定程度上帮助农户应对自然环境和市场变化带来的冲击,因而通常作为当地林农在非农忙时段的主要收入来源。此外,也有不少学者基于实地问卷调查结果分析指出,在孟加拉国、尼日利亚、坦桑尼亚等发展中国家,山林地区丰富的非木质林产品是附近农户赖以生存的资源,不仅能作为干旱期替代薪材的重要烹饪能源[21],而且能为参与生产经营的林农提供就业机会,从而积累维持和改善生计所需的人力、财力和实物资本[22-24]。
采集非木质林产品能有效保障林农家庭的粮食安全,从而有助于其生活质量的改善。其中,Ahenkan等[25]在加纳西部地区调研发现,农村贫困人口可以通过采集非木质林产品有效改善自身的营养和健康状况,从而保障家庭的粮食安全;而Chukwuone等[26]对尼日利亚南部400户农户的实地调研结果表明,非木质林产品出现在当地林农家庭日常用餐中的频率很高,说明其对保障农村家庭粮食安全同样具有十分重要的作用。
二 非木质林产品有助于促进农村社会发展进步
非木质林产品在促进农村社会发展进步方面的作用主要体现在以下3个方面:①促进农村地区经济发展。Debabrata等[27]对印度北部地区农户调研发现,农村家庭积极参与非木质林产品消费可为州政府带来可观的收入来源,从而有效带动当地经济社会的持续、健康发展。②促进农村地区文化繁荣,Kim等[28]对加拿大Sts'ailes地区样本农户的半结构化访谈结果显示,非木质林产品可以用来制作各类冬季特色文化活动的装饰品和颜料,以及为这些文化活动的开展提供森林环境,在满足农户自身精神生活需求的同时,能有效促进当地的文化繁荣。③促进农村地区生态保护,Mukul等[29]、Natcher等[30]分别基于印度和孟加拉国的调研结果表明,非木质林产品资源能有效带动当地生态和经济的可持续发展,但要在推广使用过程中充分发挥其积极的生态价值,还需要政府等有关部门出台规章制度加以科学引导和监管;而Delgado等[31]在评估墨西哥森林政策时发现,非木质林产品在产品性质、经营规模、营销方式和经营者类型等方面具有多样性,但现有政策还难以将其突出的生态保护功能与促进经济发展、文化繁荣等其他功能有机整合起来。
三. 非木质林产品对农民增收和农村扶贫的贡献研究进展
在贫困山区,农民减贫脱贫的有效途径之一,就是充分利用当地丰富的非木质林产品资源。林农们通过非木质林产品的采集、加工与贸易,使家庭经营收入得到了有效改善,从而逐步摆脱贫困。关于非木质林产品对农民增收和农村扶贫的贡献,学者们的研究主要集中在以下两个方面。
一 非木质林产品经营收入的影响因素
生产经营非木质林产品可以帮助山区农民增收致富,但其带来的经营收入水平高低会受到以下两个方面因素的影响:①林农所在家庭的资源禀赋特征。崔雨晴等[32]、李鹏丹等[33]分别对浙江、陕西农户问卷数据的多元线性回归分析结果表明,户主受教育程度、家庭劳动力数量、非木质林产品投产面积对农户的非木质林产品经营收入有显著的正向影响,非木质林产品投产时间对其有显著的负向影响;江晓敏等[34]采用倾向得分匹配(propensity score matching,简称PSM)方法实证检验了湖南、江西、福建3省油茶种植户参与技术培训状况对其油茶经营收入的影响,发现技术培训内容和方式会显著影响其油茶经营收入。②林农所在地域的自然与社会环境特征。吴伟光等[35]采用投入产出生产函数实证分析发现,福建、浙江、江西3个毛竹主产省自然环境条件和生产经营技术水平不同是导致当地林农在竹笋产值和收入方面存在显著差异的主要原因;Ermias等[36]实地调研了埃塞俄比亚西南部地区150户农户的非木质林产品经营状况,发现拥有较大的土地所有权且居住在市场或森林附近的农户非木质林产品经营收入相对较高;而Adongo等[37]在对加纳375户农户结构化访谈结果分析中发现,当地拥有的非木质林产品零售商和批发商数量也会对农户非木质林产品经营收入产生显著的正向影响。
二 非木质林产品对农村扶贫的贡献
学术界现有研究表明,在贫困山区,合理开发利用当地丰富的非木质林产品资源能有效促进当地农户增收致富,从而带动当地逐步实现减贫脱贫。国内外学者主要从以下两个方面对此展开研究:①开发利用天然非木质林产品,Hogarth等[38]在广西壮族自治区调研发现,中草药、菌类等当地天然的非木质林产品资源已经成为农户家庭收入的重要来源和贫困人口减贫脱贫的重要手段;Miguel等[39]在墨西哥北部调研发现,农户对小烛树蜡这一特色非木质林产品的可持续经营模式不仅带动了当地的减贫脱贫,而且成为了周边地区纷纷效仿的新发展策略;而Rueff等[40]、Howell等[41]、Shiba等[42]、Leßmeister等[43]分别比较了不同家庭贫富状况的农户开发利用非木质林产品的现状,发现当创收机会短缺时,贫困家庭的林农因自身生存和发展所需资源的缺乏,会比富裕家庭的林农更倾向于开发利用当地的非木质林产品资源,以此来维持生计和避免陷入贫困。②非木质林产品的产业化经营。崔雨晴等[44]研究发现,浙江省近年来通过不断扩大生产规模、发展加工企业和龙头企业、成立林业专业合作经济组织、推广标准化生产和实施品牌化战略等一系列举措,大力推动以经济林资源和竹资源为代表的非木质林产品产业化经营,以此带动当地林业增效、林农增收;张雨竹等[45]以黑龙江省为例分析指出,大力开展非木质林产品产业化经营能帮助所在林区优化调整林业产业结构,从而带动当地经济的快速持续发展;吕洁华等[46]比较了黑龙江省主要非木质林产品产业的发展潜力,指出只有促进最具潜力产业发展、发挥短期潜力产业优势、增强长期潜力产业实力,才能有效拉动当地整个非木质林产品产业的发展,从而切实提高其对农村扶贫的贡献度。
四. 结 语
综上所述,国内外学者围绕非木质林产品与农村扶贫的问题,在农户生产经营非木质林产品的行为特征、非木质林产品的重要作用、非木质林产品对农户增收和农村扶贫的贡献3个方面取得了丰硕的研究成果。这在一定程度上深化了学术界对非木质林产品及其产业发展状况、非木质林产品与农户之间相互作用关系的认识,但在以下3个方面仍有进一步的拓展空间:①在研究视角上,学者们大多基于微观调研数据,实证检验农户非木质林产品生产经营方式、生产效率、经营收入和采集意愿的主要影响因素,而较少基于宏观视角探讨非木质林产品产业发展对贫困山区减贫脱贫、农户增收的贡献;②在研究内容上,学者们较少关注非木质林产品的产业化经营,以及因规模效应带来的非木质林产品经营效率提升状况等问题,且仅有少数学者考虑到了非木质林产品生产经营在经济、社会和生态3个方面对贫困山区可持续发展的综合效益;③在研究方法上,由于样本选址、样本实际情况和选用计量经济学模型的不同,学者们在分析探讨农户生产经营非木质林产品的收入水平、采集意愿及其可能的影响因素时所获研究结论仍有较大分歧。
学术界今后开展“非木质林产品与农村扶贫”相关研究,可以重点关注以下3个方面的问题:①综合利用现有宏观经济数据和微观调研资料,深入分析探讨当前山林地区非木质林产品产业化经营的主要方式、经营效果及其对附近农户减贫脱贫、增收致富的贡献程度等;②根据样本农户特征和样本数据特点,选取合适的计量经济学模型考察相关因素对农户生产经营非木质林产品收入水平、依赖程度、采集意愿的影响,并进一步观测相关变量之间的内生性问题,提高研究结论的科学性和准确性;③综合考虑非木质林产品在经济、社会、生态3个方面的重要作用,因地制宜地为广大农户有效开发利用非木质林产品资源提供切实、有效的对策建议。
-
表 1 创新效率评价指标
指标类别 指标名称 单位 投入指标 国内研发支出总额 万元 研发人员全时当量 每百万人 产出指标 科技论文发表数量 篇 居民专利授权量 个 知识产权使用费 万元 环境指标 互联网使用率 % 人均国民总收入 万元 高等院校入学率 % 高科技进口值 万元 表 2 相关变量的描述性统计
变量 平均数 标准差 最小值 第一四
分位数中位数 第三四
分位数最大值 ln ST 24.10 2.08 17.44 22.72 24.37 25.62 28.89 ln GTP 4.69 2.83 0 2.48 5.20 6.80 10.25 IE 0.66 0.05 0.55 0.64 0.66 0.68 1.00 SR 19.27 17.06 −8.47 7.57 14.89 27.00 102.30 TO 72.68 59.73 16.44 42.28 59.76 79.20 437.30 ln REG 26.77 1.70 22.20 25.62 26.71 28.07 30.66 FS 0.01 0.01 0 0 0 0.01 0.10 ln EOG 12.51 1.59 9.20 11.15 12.79 13.47 16.33 表 3 面板自相关检验
年份 Moran's
指数Moran's
指数的期望Moran's
指数的方差z
统计量p值 1995 −0.053 −0.032 0.017 −1.190 0.117 1996 −0.052 −0.032 0.017 −1.178 0.119 1997 −0.052 −0.032 0.017 −1.153 0.124 1998 −0.043 −0.032 0.017 −0.623 0.267 1999 −0.039 −0.032 0.017 −0.366 0.357 2000 −0.050 −0.032 0.017 −1.042 0.149 2001 −0.037 −0.032 0.017 −0.299 0.382 2002 −0.038 −0.032 0.017 −0.309 0.379 2003 −0.039 −0.032 0.017 −0.383 0.351 2004 −0.050 −0.032 0.017 −1.004 0.158 2005 −0.056 −0.032 0.017 −1.369 0.085 2006 −0.040 −0.032 0.017 −0.438 0.331 2007 −0.043 −0.032 0.017 −0.628 0.265 2008 −0.052 −0.032 0.017 −1.123 0.131 2009 −0.069 −0.032 0.017 −2.132 0.016 2010 −0.064 −0.032 0.017 −1.863 0.031 2011 −0.070 −0.032 0.017 −2.187 0.014 2012 −0.067 −0.032 0.017 −2.042 0.021 2013 −0.066 −0.032 0.017 −1.981 0.024 2014 −0.067 −0.032 0.017 −1.999 0.023 2015 −0.071 −0.032 0.017 −2.242 0.012 2016 −0.071 −0.032 0.017 −2.292 0.011 2017 −0.068 −0.032 0.017 −2.121 0.017 2018 −0.078 −0.032 0.017 −2.645 0.004 表 4 空间杜宾模型效应估计结果分析
变量 变量对
本地区变量对
其他地区空间滞后项 个体效应 总效应 ln GTP −0.045 1.316** 0.734** IE 0.058 3.578* 2.240* SR −0.010*** −0.120*** −0.076*** TO 0.018*** 0.073** 0.053** ln REG 2.057*** 1.519 2.013*** FS 0.360 −47.491 −23.389 ln EOG −0.374* −2.264 −1.458 空间滞后项
系数−0.769*** 特异误差 0.344*** R2 0.629 0.629 0.629 0.629 0.629 样本量 32 32 32 32 32 注:*、**、***分别表示在10%、5%、1%的水平下显著。 表 5 空间杜宾模型分解效应估计结果分析
变量 直接效应 间接效应 总效应 ln GTP −0.065 0.800** 0.734** IE −0.028 2.268* 2.240* SR −0.008** −0.068** −0.076*** TO 0.017*** 0.036* 0.053** ln REG 2.058*** −0.045 2.013*** FS 1.140 −24.529 −23.389 ln EOG −0.326 −1.131 −1.458 注:*、**、***分别表示在10%、5%、1%的水平下显著。 表 6 空间误差模型效应估计结果分析
变量 系数 标准差 z统计量 总效应p值 ln GTP 0.569** 0.249 2.290 0.022 IE 2.360 1.852 1.270 0.203 ln GTP × IE −0.151 0.365 −0.410 0.680 SR −0.178*** 0.068 −2.620 0.009 TO 0.002 0.003 0.790 0.431 ln REG 0.003*** 0.001 3.430 0.001 FS 0.155** 0.061 2.550 0.011 ln EOG −0.064 0.046 −1.380 0.166 注:*、**、***分别表示在10%、5%、1%的水平下显著。 表 7 中介效应分析
效应 效应值 Bootstrap
标准误差z统计量 P>z 置信区间 直接效应 −0.001 0.001 −0.490 0.626 −0.003 ~ 0.002 间接效应 0.534*** 0.019 28.500 0.000 0.497 ~ 0.570 注:总效应是指不考虑显著与否的情况下直接效应与间接效应之和;*、**、***分别表示在10%、5%、1%的水平下显著。 -
[1] 马琳,吴金希. 全球创新网络相关理论回顾及研究前瞻[J]. 自然辩证法研究,2011,27(1):109-114. [2] 张战仁,李一莉. 全球创新价值链模式的国际研发投资转移研究[J]. 科学学研究,2015,33(10):1487-1495. doi: 10.3969/j.issn.1003-2053.2015.10.007 [3] 林学军. 全球创新链视角下建设创新型国家战略研究[J]. 东南学术,2018(4):132-140. [4] 彭静,顾国达. 区域对外贸易可持续发展指标体系研究−基于浙江省的实证分析[J]. 商业经济与管理,2010(12):46-50. doi: 10.3969/j.issn.1000-2154.2010.12.007 [5] SHAHBAZ M,NASIR M A,ROUBAUD D. Environmental degradation in France:the effects of FDI,financial development,and energy innovations[J]. Energy Economics,2018,74:843-857. doi: 10.1016/j.eneco.2018.07.020
[6] 张军. 技术创新与中国对外贸易可持续发展关系研究[J]. 企业经济,2007(8):15-17. doi: 10.3969/j.issn.1006-5024.2007.08.004 [7] 邢孝兵,徐洁香,李子怡. 出口商品结构对全球技术创新空间差异的影响研究[J]. 财贸研究,2018,29(8):39-48. [8] WALZ R,PFAFF M,MARSCHEIDER-WEIDEMANN F,et al. Innovations for reaching the green sustainable development goals–where will they come from?[J]. International Economics and Economic Policy,2017,14(3):449-480. doi: 10.1007/s10368-017-0386-2
[9] 孙瑾,丁冉,王杰镭. 关于可持续贸易的研究进展[J]. 经济学动态,2020(8):131-145. [10] 黄小敬,李娆,廖文龙,等. 我国各省份创新质量与绿色增长效率分析−基于超效率SBM-DDF模型的省级专利面板数据[J]. 改革与战略,2021,37(4):117-124. [11] 宋晓玲,李金叶. 双向FDI协调发展是否促进了绿色经济效率增长−基于技术创新视角[J]. 国际商务(对外经济贸易大学学报),2021(2):126-140. [12] 于惊涛,杨大力. 政府投入、经济自由度与创新效率:来自24个领先国家的实证经验[J]. 中国软科学,2018(7):181-192. doi: 10.3969/j.issn.1002-9753.2018.07.016 [13] 彭亮,刘国城. “一带一路”下西北地区上市公司投资效率研究−基于DEA-Malmquist指数法[J]. 投资研究,2018,37(12):45-57. [14] 张建清,卜书迪. 基于三阶段SBM-DEA的区域绿色科技资源优化配置效率测度−以桂林市为例[J]. 资源开发与市场,2017,33(1):1-7. doi: 10.3969/j.issn.1005-8141.2017.01.001 [15] 官建成,何颖. 基于DEA方法的区域创新系统的评价[J]. 科学学研究,2005(2):265-272. doi: 10.3969/j.issn.1003-2053.2005.02.022 [16] 易继承,张璐. 基于三阶段DEA模型的创新型国家创新效率测度[J]. 统计与决策,2021,37(8):81-85. [17] 陈升, 扶雪琴. “一带一路”沿线科技创新效率区域差异及影响因素分析−基于三阶段DEA和Tobit模型[J]. 重庆大学学报(社会科学版), 2022(1): 154-169. [18] HEAD K,MAYER T. The empirics of agglomeration and trade[J]. Handbook of Regional and Urban Economics,2004,4:2609-2669.
[19] ATKINSON A,MESSY F-A. Measuring financial literacy:results of the OECD/International Network on Financial Education (INFE) pilot study[J]. OECD Working Papers on Finance,Insurance and Private Pensions,2012,15:1-73.
[20] 董直庆,王辉. 环境规制的“本地-邻地”绿色技术进步效应[J]. 中国工业经济,2019(1):100-118. [21] 余典范,干春晖,郑若谷. 中国产业结构的关联特征分析−基于投入产出结构分解技术的实证研究[J]. 中国工业经济,2011(11):5-15. [22] THEIL H,URIBE P. The information approach to the aggregation of input-output tables[J]. The Review of Economics and Statistics,1967,49(4):451-462.
[23] LING C H,AHMED K,MUHAMAD R B,et al. Decomposing the trade-environment nexus for Malaysia:what do the technique,scale,composition,and comparative advantage effect indicate?[J]. Environmental Science and Pollution Research,2015,22(24):20131-20142. doi: 10.1007/s11356-015-5217-9
[24] 易行健,左雅莉. 外贸依存度的国际比较与决定因素分析−基于跨国面板数据的实证检验[J]. 国际经贸探索,2016,32(9):25-39. [25] 杨云母,王素玉. 后金融危机时代世界市场转型与人才竞争[J]. 当代经济研究,2009(11):40-44. [26] 宁译萱,尹勇,李琼. 基于空间杜宾模型的中国省际雾霾污染影响因素分析[J]. 现代商贸工业,2020,41(26):44-46. [27] ANSELIN L. Spatial effects in econometric practice in environmental and resource economics[J]. American Journal of Agricultural Economics,2001,83(3):705-710. doi: 10.1111/0002-9092.00194
[28] LESAGE J, PACE R K. Introduction to spatial econometrics[M]. New York: Chapman and Hall/CRC, 2009.
[29] 丁日佳,张诗悦. 进口贸易、技术溢出的环境效应与工业大气污染−基于省级面板数据的中介路径分析[J]. 北京理工大学学报(社会科学版),2021,23(3):22-37. [30] 杨世迪,韩先锋,宋文飞. 对外直接投资影响了中国绿色全要素生产率吗[J]. 山西财经大学学报,2017,39(4):14-26. [31] 聂名华,齐昊. 对外直接投资能否提升中国工业绿色创新效率?:基于创新价值链与空间关联的视角[J]. 世界经济研究,2019(2):111-122,137. [32] 邵帅,李宝礼. 农村劳动力转移如何影响农村环境污染?−基于空间面板模型的实证考察[J]. 中国地质大学学报(社会科学版),2020,20(1):39-55. -
期刊类型引用(0)
其他类型引用(1)