Impact of Export Technology Complexity on Carbon Emissions of Forestry Industry in China
-
摘要:
面对中国林产工业长期存在的出口产品质量与技术结构问题，研究林产品出口技术复杂度对碳排放的影响对于实现碳减排具有重要意义。基于此，本文首先利用Hausmann模型计算2011—2020年中国林产工业细分林产品出口技术复杂度，用该指数衡量林产工业出口结构，其次利用联合国政府间气候变化专门委员会的方法对中国林产工业的碳排放进行具体测算，最后构建随机效应模型，对出口技术复杂度及其效应与碳排放的关系进行实证分析。结果表明，中国林产品出口技术复杂度较低且提升迟缓，且林产工业碳排放总量巨大，特别是纸和纸制品细分行业产生的碳排放较多；中国林产品出口技术复杂度提升对碳减排具有消极影响，但其产生的规模效应、结构效应、技术效应与FDI效应对于碳减排具有显著的正向作用。针对研究结果提出以下建议：不断调整林产工业产业结构，提高技术含量，促进出口技术复杂度提升；建立林产品碳贸易减排机制，包括碳限额与碳关税；改进行业要素结构，利用技术进步提升能源利用率。
Abstract:Given the longstanding issues with export product quality and technical structure in China's forestry industry, examining the impact of export technological complexity on carbon emissions is essential for achieving carbon reduction goals. To this end, this study first applies the Hausmann model to calculate the export technological complexity of China's forestry industry and its sub-sectors from 2011 to 2020, using this index to assess the industry's export structure. Next, the study employs the methods outlined by the Intergovernmental Panel on Climate Change (IPCC) to estimate carbon emissions specific to China's forestry industry. Finally, a random effects model is constructed to conduct an empirical analysis of the relationship between export technological complexity, its effects, and carbon emissions. The results indicate that China's forestry industry exhibits low export technological complexity with slow improvements, while the total carbon emissions of the industry are substantial, particularly in the paper and paper products sub-sector. Although increasing the export technological complexity in China's forestry industry negatively impacts carbon reduction, the scale effect, structural effect, technological effect, and FDI effect generated by this complexity have significant positive effects on carbon reduction. Based on these findings, the following recommendations are proposed: Continuously adjust the industry structure of the forestry sector, enhance technical content, and promote the growth of export technological complexity; Establish a carbon trade and reduction mechanism for forestry products, including carbon quotas and carbon tariffs; Improve the structure of industry inputs and leverage technological progress to enhance energy efficiency.
-
Keywords:
- forest products /
- forestry industry /
- export technology complexity /
- carbon emission
-
城市健身步道被称作“连接荒野与文明的纽带”，是现阶段深受广大民众喜爱的身体锻炼媒介[1]。随着健身步道的普及，人们对其周边环境也提出了更高的要求。作为健身步道环境的重要构成要素，植物群落承担着生态、保健、环保、景观等多种功能作用，对于营建舒适宜人的运动休闲空间环境起到关键性作用[2]。然而在现阶段我国全民健身的背景下，人们对于健身步道建设往往将更多的心思与灵感倾注于步道本身的建设如路面形态、材质、舒适度等，以及服务设施的建设如驿站、厕所、垃圾箱等，而对于步道两侧植物群落建设的重视程度远远不足[3-4]。植物群落建设存在配植不合理、应用不科学、景观无新意等问题，无法全面满足人们对健身步道的使用和审美需求[5]。
作为园林植物群落的重要观赏特征，群落色彩是最能被人感受和体验的因素，具有第一视觉特性[6]。园林植物丰富的色彩组合与季相变化会引发人们不同的联想，使人产生不同的心理感受[7]。已有研究表明，部分植物色彩对人的情绪有显著的影响，具有缓和紧张、悲伤等负面情绪[8-9]，促进快乐、兴奋等正面情绪[10-11]，使人趋于平静、放松的精神状态[12-13]的作用。但目前的研究主要为静态实验，而对于植物色彩对运动状态下人群的心理健康影响研究甚少。本研究以植物群落色彩图片作为视觉刺激，通过心理问卷调查法采集被试者在跑步、走步、静坐3种运动状态下观赏图片前后的各项情绪得分，分析健身步道植物群落色彩与人体情绪之间的关系，探究植物群落色彩对运动人群身心健康的影响。研究结果将为健身步道植物群落设计规划提供参考，对于营造健康科学的健身步道环境具有重要意义。
一. 研究方法
一 研究对象
在实验群体的选择上，大学生群体是研究人体与植物关系中常用的被试群体，由于其年龄相近、文化层次相同，是具有同质性的研究对象，因此所得到的研究结果具有科学性和代表性[14]。本研究选择60名大学生健身者作为被试者，男女比例为1∶1。被试者年龄范围在18 ~ 30岁之间，且身心健康、视力正常，在实验前12小时内未饮酒、服用药物及咖啡等提神物，未参与高强度的运动或体力劳动等刺激神经的活动。
二 实验流程
植物群落的色彩主要体现在花色、叶色、果色和枝干色等方面[15]。人在运动状态下，视觉更易于捕捉到大面积的色块。在植物设计过程中，影响园林色彩最明显的就是植物的花与叶[16]。故本研究选取花色和叶色两类植物色彩作为研究对象。有研究表明，观看植物群落照片是获取人们对真实植物群落反应的一种有效方式[17]。实验采用视觉刺激的方式，植物色彩图片素材源于网络，对照图片为空白。有研究表明，观赏植物景观的现场实验被试者人数控制在10 ~ 20人开展实验即可取得良好的效果，可以达到实验目的[18-20]。故本研究将被试者按不同运动状态（跑步、走步、静坐）分为3组，每组20人。
实验于2020年11—12月及2021年3—4月在北京林业大学健身房开展。健身房宽敞明亮，设有20台跑步机。开始运动前，由实验员向被试者详细介绍实验流程。被试者需适应环境，并填写前测心理问卷。开始运动时，跑步组将被试者跑步机调至规定速率，即男性8 km/h，女性7 km/h；走步组将被试者跑步机调至规定速率，即男性4 km/h，女性3 km/h；静坐组要求被试者保持静止坐姿状态。在运动过程中，被试者需带上耳塞并全程注视正前方屏幕上的图片，先观看空白图片2 min，而后观看实验图片2 min。运动结束后，被试者填写后测心理问卷。花色色彩实验按照对照、白色、粉色、黄色、紫色、混色花的图片顺序依次放映；叶色色彩实验按照对照、红色、橙色、黄色、绿色、混色叶的顺序依次放映。
心理问卷采用园林植物色彩情绪调查问卷[7]。该问卷包括平静、快乐、兴奋、紧张、悲伤5种情绪，其中平静、快乐、兴奋属于积极情绪，紧张、悲伤属于消极情绪。每种情绪由1至5计分，代表情绪强烈程度的递增，如1为毫无感觉，5为强烈感觉。某种情绪的分值越高即代表该种情绪越强烈，反之则越微弱。
三 数据处理
使用Excel 2020进行数据统计，观赏植物色彩图片前后情绪得分变化值，计算方法为：D = M后 − M前。其中：D为情绪得分变化值，M前为情绪得分前测值，M后为情绪得分后测值。使用SPSS 25.0进行数据分析。采用单因素方差分析（one-way ANOVA）不同群落色彩图片情绪的差异显著性，进而得出群落色彩对不同运动状态下人体情绪的影响。
二. 结果与分析
一 花色对人3种运动状态下的情绪影响
如图1所示，跑步者观赏群落色彩图片后，平静、快乐、兴奋3种情绪得分的变化值均大于空白对照图片，说明植物群落色彩图片相比于空白对照图片更能激发跑步者的积极情绪。其中，白色花最能使跑步被试者感到平静，其次会带给人快乐的感受。粉色花所能激发的情绪依次为快乐、兴奋和平静，最能缓解紧张和悲伤的情绪感受。黄色花最能激发跑步者平静的感受，其次是快乐、兴奋、紧张和悲伤。紫色花最能唤起平静和快乐的感受，但其紧张情绪得分也是5种色彩中最高的。混色花的快乐和兴奋得分位于5种色彩中最高，随后依次是平静、紧张和悲伤。
跑步状态下，积极情绪得分最高的花色为：平静-白色花、快乐-混色花、兴奋-混色花；消极情绪得分最低的花色为：紧张-粉色花、悲伤-粉色花。由表1可知，在跑步状态下，平静情绪得分、快乐情绪得分、兴奋情绪得分存在显著差异，紧张情绪得分和悲伤情绪得分无显著差异。
表 1 花色对跑步者情绪影响的方差分析情绪 D F 显著性p 对照 白色 粉色 黄色 紫色 混色 平静 0.3 2.2 1.3 1.7 1.7 1.3 3.808 0.005 快乐 0.2 1.2 1.5 1.4 1.4 2.0 4.292 0.002 兴奋 0.1 0.9 1.5 0.6 0.6 1.9 4.191 0.003 紧张 0.8 0.4 0.3 0.5 0.9 0.6 0.969 0.445 悲伤 0.5 0.5 0.2 0.3 0.3 0.2 0.354 0.878 如图2所示，走步者观赏植物群落色彩图片后，平静、快乐、兴奋3种情绪得分的变化值均大于空白对照图片，紧张、悲伤2种情绪得分的变化值均小于空白对照图片，说明群落色彩图片相比于空白对照图片更能激发走步者的积极情绪，缓解消极情绪。其中，白色花最能使走步者感到平静，其平静情绪的得分是5种色彩中最高的，其次是快乐、兴奋。粉色花最能激发的情绪是快乐，随后依次是平静、兴奋、紧张和悲伤。黄色花最能激发走步者快乐和兴奋的感受，其次是平静、悲伤、紧张。紫色花唤起的情绪排序为平静、快乐、兴奋、悲伤，最不易激发紧张情绪，与跑步者的情绪感受不同。混色花的快乐和兴奋在5种色彩中均最高，与跑步实验达成了一致结果。
走步状态下，积极情绪得分最高的花色为：平静-白色花、快乐-混色花、兴奋-混色花；消极情绪得分最低的花色为：紧张-白色花和粉色花、悲伤-粉色花。由表2可知，在走步状态下，平静情绪得分、快乐情绪得分、兴奋情绪得分存在显著差异，紧张情绪得分和悲伤情绪得分无显著差异。
表 2 花色对走步者情绪影响的方差分析情绪 D F 显著性p 对照 白色 粉色 黄色 紫色 混色 平静 0.3 2.1 1.2 1.0 2.0 1.8 2.717 0.029 快乐 0.1 1.1 1.9 1.2 1.6 2.0 2.957 0.020 兴奋 0.1 0.6 1.0 1.2 1.0 1.6 3.167 0.014 紧张 0.2 0.1 0.1 0.2 0.2 0.2 0.176 0.971 悲伤 0.6 0.5 0.1 0.3 0.3 0.2 1.200 0.322 如图3所示，静坐者观赏群落色彩图片后，平静、快乐、兴奋3种情绪得分的变化值均大于空白对照图片，紧张、悲伤2种情绪得分的变化值均小于空白对照图片，说明植物群落色彩图片相比于空白对照图片更能激发静坐者的积极情绪，缓解消极情绪。其中，白色花最能使静坐者感到平静，也最能缓解紧张情绪。粉色花最能使静坐者产生的情绪是快乐，其次是兴奋、平静，紧张和悲伤情绪得分在5种情绪中均最低。黄色花最能带给静坐者平静的感受，随后依次为快乐、兴奋、悲伤、紧张。紫色花最能带给静坐者平静的感受，其次是快乐。混色花最能激发兴奋情绪，其次是快乐，其紧张和悲伤情绪得分均是5种情绪的最低值。
静坐状态下，积极情绪得分最高的花色为：平静-白色花、快乐-混色花、兴奋-混色花；消极情绪得分最低的花色为：紧张-粉色花和混色花、悲伤-粉色花和混色花。由表3可知，在静坐状态下，平静情绪得分、快乐情绪得分、兴奋情绪得分存在显著差异，紧张情绪得分和悲伤情绪得分无显著差异。
表 3 花色对静坐者情绪影响的方差分析情绪 D F 显著性p 对照 白色 粉色 黄色 紫色 混色 平静 0.3 1.9 1.0 1.8 1.8 1.3 4.940 0.001 快乐 0.2 0.5 1.6 1.0 1.0 2.0 6.613 0.000 兴奋 0.1 0.3 1.2 0.7 0.7 2.2 9.511 0.000 紧张 0.3 0.2 0.1 0.3 0.3 0.1 0.538 0.746 悲伤 0.5 0.3 0.1 0.4 0.4 0.1 1.350 0.258 综上所述，尽管3种运动状态下5种花色对各种情绪的影响不同。但无论何种运动状态，产生平静情绪最佳的均为白色花，产生快乐和兴奋情绪最佳的均为混色花。最能缓解紧张和悲伤情绪的为粉色花，走步状态下能缓解紧张情绪的还包括白色花，静坐状态下能缓解紧张和悲伤情绪还包括混色花。不同运动状态下花色对情绪的影响程度相似，均为对平静、快乐和兴奋3种情绪有显著的影响。
二 叶色对人3种运动状态下情绪的影响
如图4所示，跑步者观赏植物群落色彩图片后，平静、快乐、兴奋3种情绪得分的变化值均大于空白对照图片，紧张、悲伤2种情绪得分的变化值均小于空白对照图片，说明植物群落色彩图片相比于空白对照图片更能激发跑步者的积极情绪，缓解消极情绪。其中，红色叶最能激发跑步者的快乐情绪，随后依次是平静、兴奋、紧张、悲伤。橙色叶最能给人带来快乐的感受，其次是平静。黄色叶的平静、快乐情绪得分在5种情绪中最高。绿色叶最能使跑步者感到平静，其次是快乐、兴奋、紧张，悲伤情绪得分是最低的。混色叶最能带来快乐的感受，其次是平静和兴奋。
跑步状态下，积极情绪得分最高的叶色为：平静-绿色叶、快乐-黄色叶、兴奋-黄色叶；消极情绪得分最低的花色为：紧张-绿色叶、悲伤-绿色叶。由表4可知，在跑步状态下，平静情绪得分、快乐情绪得分、兴奋情绪得分存在显著差异，紧张情绪得分和悲伤情绪得分无显著差异。
表 4 叶色对跑步者情绪影响的方差分析情绪 D F 显著性p 对照 白色 粉色 黄色 紫色 混色 平静 0.3 1.8 1.8 2.5 2.6 1.3 7.705 0.000 快乐 0.1 2.2 2.1 2.5 2.3 1.6 9.985 0.000 兴奋 0.1 1.4 1.2 1.7 1.6 1.3 5.075 0.001 紧张 0.8 0.4 0.6 0.3 0.2 0.5 1.115 0.363 悲伤 0.5 0.2 0.2 0.3 0.1 0.3 0.681 0.640 如图5所示，走步者观赏植物群落色彩图片后，平静、快乐、兴奋3种情绪得分的变化值均大于空白对照图片，紧张、悲伤2种情绪得分的变化值均小于空白对照图片，说明植物群落色彩图片相比于空白对照图片更能激发走步者的积极情绪，缓解消极情绪。其中，红色叶最能激发走步者快乐的感受。橙色叶最能带来快乐情绪，其次是平静、兴奋。但同时红色叶和橙色叶的紧张情绪得分也是5种情绪中最高的。黄色叶最能带给走步者平静的感受，最不易产生紧张的感受，其悲伤情绪得分是5种情绪中最高的。绿色叶最能使人保持平静，同时也较能激发快乐和兴奋。混色叶的快乐情绪得分最高，随后依次是平静、兴奋、紧张、悲伤。
走步状态下，积极情绪得分最高的叶色为：平静-绿色叶、快乐-混色叶、兴奋-橙色叶；消极情绪得分最低的花色为：紧张-绿色叶、悲伤-混色叶。由表5可知，在走步状态下，平静情绪得分、快乐情绪得分、兴奋情绪得分存在显著差异，紧张情绪得分和悲伤情绪得分无显著差异。
表 5 叶色对走步者情绪影响的方差分析情绪 D F 显著性p 对照 白色 粉色 黄色 紫色 混色 平静 0.2 1.2 1.6 1.9 2.1 1.6 5.655 0.000 快乐 0.1 1.4 1.8 1.3 1.8 2.2 7.916 0.000 兴奋 0.1 1.0 1.5 1.1 1.2 1.4 3.204 0.013 紧张 0.9 0.8 0.8 0.4 0.1 0.4 1.339 0.262 悲伤 0.9 0.2 0.3 0.8 0.3 0.1 2.197 0.068 如图6所示，静坐者观赏植物群落色彩图片后，平静、快乐、兴奋3种情绪得分的变化值均大于空白对照图片，说明植物群落色彩图片相比于空白对照图片更能激发走步者的积极情绪。其中，红色叶的兴奋情绪得分在5种情绪中最高，其次是快乐、平静。橙色叶最能激发静坐者的快乐和兴奋感受。黄色叶最能带给静坐者平静的感受，其次是快乐、兴奋，但悲伤情绪的得分在5种情绪中最高。绿色叶最能使人情绪平静，随后依次是快乐、兴奋、悲伤、紧张。混色叶最能带来快乐和兴奋情绪。
静坐状态下，积极情绪得分最高的叶色为：平静-绿色叶、快乐-混色叶、兴奋-红色叶；消极情绪得分最低的花色为：紧张-绿色叶、悲伤-混色叶。由表6可知，在静坐状态下，平静情绪得分、快乐情绪得分、兴奋情绪得分存在显著差异，紧张情绪得分和悲伤情绪得分无显著差异。
表 6 叶色对静坐者情绪影响的方差分析情绪 D F 显著性p 对照 白色 粉色 黄色 紫色 混色 平静 0.2 1.1 1.3 1.6 2.1 1.2 5.688 0.000 快乐 0.1 1.4 1.7 1.4 1.6 1.8 4.816 0.001 兴奋 0.1 1.9 1.7 1.0 1.0 1.8 5.897 0.000 紧张 0.8 0.3 0.5 0.3 0.1 0.5 1.435 0.227 悲伤 0.8 0.3 0.3 0.8 0.3 0.2 2.120 0.077 综上所述，尽管3种运动状态下5种叶色对各情绪的影响不同。但无论何种运动状态，5种叶色产生平静情绪最佳的为绿色叶，跑步状态下产生快乐最佳的为黄色叶，走步和静坐状态下最能激发快乐情绪的是混色叶；兴奋情绪在3种运动状态下没有达成一致性，分别对应黄色叶、橙色叶、红色叶。跑步状态下最能缓解紧张和悲伤情绪的均为绿色叶，走步和静坐状态下分别为绿色叶和混色叶。不同运动状态下叶色对情绪的影响程度相似，均为对平静、快乐和兴奋3种情绪有显著的影响。
三. 讨 论
适当地使用彩色植物配植健身步道，能减轻健身者运动疲劳，缓解心理焦虑，平和心态，增加运动的乐趣[21-22]。在花色研究中，白色花最能使人平静，混色花最能使人快乐和兴奋，粉色花最能缓解紧张和悲伤情绪。因此应加大白色、粉色、混色花在健身步道植物配植中的应用。在叶色研究中，绿色叶最能使人平静，同时最能缓解人的紧张和悲伤情绪；黄色叶最能激发跑步者的快乐和兴奋情绪；混色叶最能激发走步者和静坐者的快乐情绪，也能缓解走步者和静坐者的消极情绪。因此应在大范围使用绿色叶树种的同时，结合场地现状适当配植黄色叶和混色叶树种，巧妙转换人的情绪，如在步道的起点和终点增加配植黄色叶和混色叶树种，可以充分调动健身者的活力与热情。色彩上可采用“粉色花 + 混色花”的配植模式增加人们兴奋和快乐的情绪，给人眼前一亮的感觉。同时也可选用一些秋色叶树种，利用暖色调叶色增强群落色彩的运动感[23]，给予健身者振奋人心的力量。而在安静休息区域，群落色彩应以白色花、绿色叶为主，以便及时平复人们激烈运动后的各项生理指标，使人的情绪放松、平静下来。配植时，可以绿色叶为背景、白色花为前景进行搭配，但要注意适当点缀粉色花、混色花以消除悲伤情绪，且避免种植大量色彩过于浓烈和鲜艳的植物。健身步道植物群落规划设计应针对不同运动人群需求和场地自身功能定位，合理进行群落色彩配植，全面提升健身步道的健康效益。
在本研究中，绿色叶的心理健康效益最佳，可使人感到平静并缓解消极情绪，与前人的研究结论一致[7,9]。有的色彩在积极情绪和消极情绪中得分均高，如白色花的平静情绪得分最高，但同时其悲伤情绪得分也较高，原因可能是色彩和人类的感情关系紧密，使得群落色彩会引发人们的联想[24-25]。白色花是葬礼常用的配色花，人们可能把对葬礼的悲伤情绪寄托在色彩上，因此这样的色彩应考虑其双重性，即使有利于平复情绪，也不宜在园林绿地中过多使用。还有的色彩在花色和叶色实验中同种情绪的得分差异大。如黄色在叶色中是最能引发人们悲伤情绪的色彩，而在花色中并未体现，原因可能与植物所处的季节有关。黄色叶多为落叶，给人以秋风萧瑟、万物凋零的感觉；而黄色花多为春花，给人以春意盎然、生机勃勃的感觉，所以使人们产生不一样的情绪反应。另外，不同运动状态下最能激发同一种情绪的色彩也不相同。如激发兴奋情绪在跑步、走步、静坐状态下表现最佳的色彩分别为黄色、橙色、红色，究其原因可能与人在不同运动状态下的生理指标变化有关，跑步时人的血压心率迅速升高，血氧饱和度降低，红色又可加快血液循环速度和肾上腺素分泌速度，易导致部分跑步者在激烈运动下烦躁和紧张，而橙色和黄色令人神经放松，有助于缓解运动时的紧张情绪[26-28]。未来的实验可补充更多色彩，增加更多群落类型，选取更多年龄结构的被试群体，同时增加生理指标如血压、心率、皮肤电导率等，做到身心评估指标相结合，使研究结果更加具有普遍性和科学性。
-
表 1 2011—2020年中国林产工业主要细分行业碳排放量测算表
年份 林产工业主要细分行业 碳排放/万t 年度碳排放总量/万t 2011 木材加工及木制品 27523.80672 168955.88490 木质家具 10370.47068 纸和纸制品 131061.60750 2012 木材加工及木制品 25421.02801 178504.28390 木质家具 11241.06329 纸和纸制品 141842.19260 2013 木材加工及木制品 24538.18668 195928.01999 木质家具 12124.39421 纸和纸制品 159265.43910 2014 木材加工及木制品 22640.95694 192640.10749 木质家具 16942.40855 纸和纸制品 153056.74200 2015 木材加工及木制品 24440.28135 255052.11411 木质家具 23484.95476 纸和纸制品 207126.87800 2016 木材加工及木制品 23430.74098 270857.69640 木质家具 17975.77502 纸和纸制品 229451.18040 2017 木材加工及木制品 31340.62182 440186.92206 木质家具 22656.70164 纸和纸制品 386189.59860 2018 木材加工及木制品 33956.84345 519940.96467 木质家具 18050.12012 纸和纸制品 467934.00110 2019 木材加工及木制品 30684.56823 448118.91503 木质家具 19004.50070 纸和纸制品 398429.84610 2020 木材加工及木制品 32805.05577 486815.76858 木质家具 18569.75631 纸和纸制品 435440.95650 
下载: 导出CSV
表 2 2011—2020年中国林产工业细分林产品出口技术复杂度
年份 原木及其他原材类 锯材类 单板类 人造板类 木制品 软木 木浆 纸和纸制品 木质家具类 2011 1.03 9.42 14.30 106.17 36.40 0.40 5.26 370.63 80.97 2012 0.92 7.71 12.85 101.18 38.99 0.31 2.54 373.30 78.98 2013 1.37 7.18 11.58 95.63 41.43 0.33 1.95 405.72 82.71 2014 2.35 6.09 10.81 97.96 46.75 0.35 1.97 412.37 86.97 2015 1.84 3.35 8.32 77.33 43.95 0.35 1.46 343.93 84.52 2016 2.29 3.64 8.03 79.86 53.36 0.38 1.66 378.75 92.81 2017 2.24 3.71 8.30 78.02 55.47 0.36 1.94 368.50 74.61 2018 2.29 3.04 8.16 74.17 60.71 0.40 1.75 364.98 75.56 2019 2.60 2.63 7.12 58.70 60.25 0.36 1.65 384.78 62.64 2020 2.50 2.22 6.13 50.95 63.00 0.35 1.34 340.60 55.42 均值 1.94 4.90 9.56 82.00 50.03 0.36 2.15 374.36 77.52
下载: 导出CSV
表 3 变量的描述性统计分析
变量 平均值 中位数 标准差 最小值 最大值 $ {C}_{it} $ 10.520 2.647 14.100 1.037 46.790 $ {S}_{it} $ 0.023 0.024 0.005 0.013 0.030 $ {K}_{it} $ 0.002 0.002 0.001 0.001 0.006 $ {T}_{it} $ 1.208 1.001 0.786 0.301 3.322 $ {\mathrm{F}\mathrm{D}\mathrm{I}}_{it} $ 0.140 0.106 0.097 0.029 0.313 $ {\mathrm{P}\mathrm{R}\mathrm{O}\mathrm{D}\mathrm{Y}}_{it} $ 170.900 79.970 145.500 54.270 410.200
下载: 导出CSV
表 4 回归分析结果
变量 (1) (2) (3) (4) (5) S 87.786 925.124*** −29.334 −954.161** −293.252 (477.025) (279.153) (491.598) (453.533) (500.735) K −177.207 −396.752 2 424.195 −293.917 −212.008 ( 1 748.883 )(943.394) ( 3 153.598 )( 1 367.280 )( 1 669.392 )T −9.045*** −3.015*** −9.218*** 4.558 −4.477 (1.286) (1.045) (1.299) (3.518) (2.784) FDI −9.220 −4.693 −0.831 28.451 39.829 (24.348) (13.141) (25.784) (21.197) (35.491) PRODY 0.094*** 0.511*** 0.119*** 0.163*** 0.148*** (0.019) (0.055) (0.031) (0.022) (0.034) PRODY × S −15.867*** (2.056) PRODY × K −9.251 (9.331) PRODY × T −0.040*** (0.010) PRODY × FDI −0.456* (0.249) 常数项 5.064 −24.218*** 1.857 5.457 2.477 (6.456) (5.149) (7.223) (5.047) (6.323) 样本数 30 30 30 30 30 R2 0.910 0.975 0.914 0.947 0.922 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为标准误。
下载: 导出CSV
表 5 两阶段最小二乘法估计结果
变量 两阶段最小二乘法 PRODY 0.094*** (0.013) S 90.646 (383.791) K −158.254 (1 594.188) T −9.040*** (1.298) FDI −9.310 (18.999) 常数项 5.006 (4.804) 样本数 30 R2 0.910 注：***表示1%的显著性水平，括号内为标准误。
下载: 导出CSV
表 6 模型选择实证结果
变量 混合普通最小二乘
模型固定效应模型 随机效应模型 S 87.786 (477.025) −49.096 (516.647) 87.786 (477.025) K −177.207 ( 1 748.883 )21.269 ( 1 731.213 )−177.207 ( 1 748.883 )T −9.045*** (1.286) −11.719*** (2.564) −9.045*** (1.286) FDI −9.220 (24.348) 67.858 (56.985) −9.220 (24.348) PRODY 0.094*** (0.019) 0.058 (0.085) 0.094*** (0.019) 常数项 5.064 (6.456) 6.413 (12.111) 5.064 (6.456) 样本数 30 30 30 R2 0.910 0.729 0.910 注：***表示1%的显著性水平，括号内为标准误。
下载: 导出CSV
表 7 增加变量后模型的回归结果
变量 (1) (2) (3) (4) (5) S −192.134 (916.780) 1221.260 ** (525.005)−381.035 (937.108) −758.370 (732.891) −739.819 (922.249) K −24.079 ( 1 880.663 )−597.040 ( 1 007.851 )2709.410 (3 349.360 )−380.357 ( 1 475.837 )37.615 ( 1 788.961 )T −10.273** (3.997) −1.834 (2.415) −10.786** (4.033) 5.897 (5.234) −6.114 (4.434) FDI 2.464 (40.744) −16.514 (21.919) 13.933 (42.394) 20.359 (32.246) 59.952 (49.964) PRODY 0.108** (0.051) 0.508*** (0.060) 0.138** (0.059) 0.151*** (0.041) 0.171*** (0.060) G 0.162 (0.834) −0.275 (0.449) 0.174 (0.835) −0.035 (0.655) 0.290 (0.796) D −0.033 (0.119) 0.024 (0.064) −0.043 (0.119) 0.032 (0.095) −0.048 (0.113) PRODY × S −16.182*** PRODY × K −9.626 (9.757) PRODY × T −0.041*** (0.011) PRODY × FDI −0.475* (0.261) 常数项 9.744 (17.817) −28.289** (10.791) 7.804 (17.936) 0.925 (14.141) 9.138 (16.949) 样本数 30 30 30 30 30 R2 0.911 0.976 0.915 0.948 0.923 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为标准误。
下载: 导出CSV
-
[1] PÉREZ K,GONZÁLEZ-ARAYA M C,IRIARTE A. Energy and GHG emission efficiency in the Chilean manufacturing industry:sectoral and regional analysis by DEA and Malmquist indexes[J]. Energy Economics,2017,66:290-302. doi: 10.1016/j.eneco.2017.05.022
[2] 田明华,史莹赫,高薇洋,等. 基于引力模型的中国木质林产品进出口影响因素研究及贸易潜力测算[J]. 林业经济问题,2018,38(5):10-18,100. [3] 我国林产品进出口贸易额超过 1800 亿美元[EB/OL]. (2023-09-08) [2023-09-27]. https://www.forestry.gov.cn/c/www/lcdt/521998.jhtml.[4] 苏蕾,袁辰. 中国木质林产品全球价值链地位分析:基于出口技术复杂度视角[J]. 林业经济问题,2018,38(2):93-97,112. [5] JOACHIM J,SANDRA P. Export sophistication and economic growth:evidence from China[J]. Journal of Development Economics,2012,97(2):281-292.
[6] 侯方淼,陈勇,宿海颖. 中国木材产业全球价值链地位攀升研究[M]. 北京:经济管理出版社,2021:22-23. [7] 杨娱,田明华,秦国伟. 我国木质林产品贸易高质量发展的路径:基于全球价值链理论与FDI对贸易的影响分析[J]. 学术论坛,2018,41(6):85-92. doi: 10.3969/j.issn.1004-4434.2018.06.013 [8] 姚茂元,侯方淼. 亚太地区主要国家林产品出口贸易利益及竞争力比较分析:基于增加值贸易核算法[J]. 世界林业研究,2016,29(5):71-76. [9] 侯方淼,刘璨,裴润田,等. 我国环境规制对木材加工业全球价值链地位的影响[J]. 南京林业大学学报(自然科学版),2022,46(3):231-240. doi: 10.12302/j.issn.1000-2006.202110006 [10] 张明志. 我国制造业细分行业的碳排放测算:兼论EKC在制造业的存在性[J]. 软科学,2015,29(9):113-116. [11] 王向进,杨来科,钱志权. 出口结构转型、技术复杂度升级与中国制造业碳排放:从嵌入全球价值链的视角[J]. 产经评论,2017,8(3):5-17. [12] 王兰会,张丹青,符颖佳. 中国木质林产品隐含碳排放影响因素动态分析[J]. 北京林业大学学报(社会科学版),2016,15(4):46-51. [13] 侯方淼,裴润田,刘璨,等. 中国林产工业嵌入全球价值链对贸易隐含碳排放的影响[J]. 中南林业科技大学学报,2022,42(10):177-188. [14] 郭玲,林凝芬,王文烂,等. 全球价值链分工对林产品出口隐含碳的影响[J]. 林业经济,2022,44(9):76-96. [15] ANTWEILER W,COPELAND B R,TAYLOR M S. Is free trade good for the environment?[J]. American Economic Review,2001,91(4):877-908.
[16] 王菲,李娟. 中国对日本出口贸易中的隐含碳排放及结构分解分析[J]. 经济经纬,2012(4):61-65. doi: 10.3969/j.issn.1006-1096.2012.04.013 [17] 庄宗明,卫瑞. 中国碳排放变动趋势及其影响因素:基于(进口)非竞争型投入产出表的分析[J]. 厦门大学学报(哲学社会科学版),2014(5):107-116. [18] 庞军,张浚哲. 中欧贸易隐含碳排放及其影响因素:基于MRIO模型和LMDI方法的分析[J]. 国际经贸探索,2014,30(11):51-65. [19] 赵潇涵,米锋. 基于技术进步的木质林产品贸易碳排放效应研究[J]. 北京林业大学学报(社会科学版),2023,22(1):64-71. [20] 杜运苏,孙辉煌. 中国出口贸易隐含碳排放增长因素分析:基于LMDI[J]. 世界经济研究,2012(11):44-49. [21] 刘思华. 正确把握生态文明的绿色发展道路与模式的时代特征[J]. 毛泽东邓小平理论研究,2015(8):33-38. [22] ZHANG J Z,ZHAO Z Y,ZHAO W Q,et al. The impact of forest certification on the ternary margins of China's forest product export[J]. Forests,2022,13(8):1313. doi: 10.3390/f13081313
[23] 范丽伟,潘晨,赵锡波. 出口贸易隐含碳变化驱动因素分析模型及应用[J]. 北京理工大学学报(社会科学版),2014,16(6):34-40. [24] 谭娟,陈鸣. 基于多区域投入产出模型的中欧贸易隐含碳测算及分析[J]. 经济学家,2015(2):72-81. [25] 兰宜生,宁学敏. 基于投入产出偏差模型的我国出口商品内涵碳排分析[J]. 世界经济研究,2011(7):65-69,89. [26] 郭玲,宁才晟,王文烂. 中国林产品生产侧碳排放量的测度与效应分解:基于多区域投入产出与结构分解分析模型[J]. 林业经济,2022,44(5):23-40. [27] 翟超颖,汪磊群. 外商直接投资的绿色环境效应分析:基于省级动态面板的系统GMM方法和门槛回归[J]. 福建金融,2023(3):3-12. [28] 邓荣荣,张翱祥. FDI技术溢出、行业吸收能力与工业碳排放强度:基于面板门槛模型的实证[J]. 国际商务研究,2023,44(2):1-13. doi: 10.3969/j.issn.1006-1894.2023.02.001 [29] 吴军,理爽. 双循环背景下双向FDI对碳排放强度的影响研究:基于动态空间杜宾模型的分析[J]. 生态经济,2022,38(12):23-30,38. [30] 李晓钟,刘振宇. FDI 对我国制造业碳排放影响分析[J]. 国际商务(对外经济贸易大学学报),2013(1):95-103. [31] 白红菊,刘蒂,齐绍洲. FDI不同来源地对我国碳排放影响的实证分析[J]. 世界经济研究,2015(7):108-115. [32] 戴明辉,沈文星. 中国木质林产品贸易流量与潜力研究:引力模型方法[J]. 资源科学,2010,32(11):2115-2122. [33] 韩沐洵. 基于碳测算的中国木质林产品贸易结构优化研究[D]. 北京:北京林业大学,2016:54-56. [34] HAUSMANN R, HWANG J, RODRIK D. What you export matters[J]. Journal of Economic Growth, 2007, 12（1）: 1-25. HAUSMANN R, HWANG J, RODRIK D. What you export matters[J]. Journal of Economic Growth,2007,12(1):1-25.
[35] 侯方淼,成诗怡,王冰昕,等. 产业集聚对中国木材产业出口技术复杂度的影响测度与分析[J]. 林业经济,2023,45(10):5-23. [36] 姚战琪. 数字贸易、产业结构升级与出口技术复杂度:基于结构方程模型的多重中介效应[J]. 改革,2021(1):50-64. [37] 侯方淼,王宏飞,刘璨,等. 产业集聚对中国木材企业全球价值链地位的作用机制及其实现路径[J]. 林业科学,2023,59(12):137-151. doi: 10.11707/j.1001-7488.LYKX20230091 -
期刊类型引用(5)
1. 李湘玲，陈绍志，赵荣. 国有林场森林旅游在促进减贫中的作用与途径. 林草政策研究. 2022(01): 37-41 . 
百度学术
2. 邬昕彤，张博，邬鹏. 抚顺市国有林场改革过渡期相关问题浅议. 辽宁林业科技. 2019(03): 57-59 . 百度学术
3. 和红晓，易烜，李湘玲，仝奇峰. 湖南省国有林场改革助推代管村发展浅析. 河南林业科技. 2019(03): 52-54 . 百度学术
4. 孙敬良. 政策执行视角下国有林场改革的地方实践研究——基于湖北省的实证分析. 林业经济. 2018(10): 16-21+80 . 百度学术
5. 苏春华. 国有林场发展路径探析. 现代农业科技. 2018(22): 166-167 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 76
- HTML全文浏览量: 22
- PDF下载量: 4
- 被引次数: 7
