基于空間計量經濟學的碳排放與經濟增長分析*

鄭長德 劉 帥

(西南民族大學經濟學院，四川成都610041)

基于空間計量經濟學的碳排放與經濟增長分析*

鄭長德 劉 帥

(西南民族大學經濟學院，四川成都610041)

本文采用空間計量經濟學的方法對我國各省份的經濟增長與碳排放之間的關系進行了實證分析，結果表明:我國各省份的碳排放在空間分布上表現出一定的空間正自相關性，碳排放量最高的省份多處于經濟發達的沿海地區，如以北京為中心的環渤海地區，以上海為中心的長三角地區和以廣東為核心的珠三角地區，而次之的是經濟較為發達的地區，如中部的山西、湖北、湖南、江西、安徽和西南地區;我國各省份的碳排放在空間分布上存在一定的空間集群效應，如環渤海地區就表現出高碳排放的空間集群效應，而西部地區的西藏、新疆、甘肅、青海卻表現出低碳排放的空間集群效應。經濟增長與碳排放呈現出正相關關系，高碳排放的地區多處于經濟發達的沿海地區，而低碳排放的地區多處于經濟落后的內陸地區;我國目前的經濟增長對碳排放的依賴性較強，經濟增長對碳排放的彈性系數約為0.8左右，說明在未來的短時間內很難實行低碳經濟的發展模式。

碳排放;經濟增長;空間計量經濟學

最近，關于我國碳排放與經濟增長的關系引起了學者們的高度關注。徐玉高、郭元［1］等采用時間序列和截面數據的計量分析方法，對我國經濟增長與碳排放的關系進行了實證研究，認為人均碳排放與人均GDP之間不存在庫茲涅茨曲線，人口增長和人均GDP的增加是人均碳排放增加的主要來源，而GDP能源消費強度的下降則是碳排放減少的重要來源。張雷［2］的研究認為經濟結構多元化的發展導致我國能源消費需求增長的減緩，能源消費結構的多元化發展則是我國碳排放水平下降的重要因素，經濟和能源消費兩者結構多元化的演進是促使我國經濟發展從高碳燃料為主向低碳為主方式轉變的重要途徑。王中英、王禮茂［3］對我國GDP增長與碳排放量之間的關系進行了相關分析，表明二者存在明顯的相關性，認為我國過分依賴投資的增長方式和以第二產業為主的經濟結構在很大程度上是導致溫室氣體排放量增加的主要原因。杜婷婷、毛鋒［4］等以庫茲涅茨環境曲線(EKC)及其衍生曲線為依據，對我國碳排放量與人均收入增長的時間序列數據進行了統計擬合，得出我國碳排放量與人均GDP之間呈現出“N型”曲線。隨后，胡處枝、黃賢金［5］等、王琛［6］等人的研究也證實了該觀點。高衛東、姜巍［7］等的研究表明隨著產業結構的演進和生產技術進步的加快，我國能源碳排放的增速有了明顯的減緩，從區域分布來看，東部地區碳排放經歷了先下降后上升的過程，而西部地區碳排放則是保持上升的趨勢。也有學者從其他角度對我國的碳排放問題進行了研究。徐國泉、劉則淵、姜照華［8］等基于碳排放恒等式，采用對數平均權重Diveisia分解法，建立了我國人均碳排放量的因素分解模型，對我國1995－2004年間，影響人均碳排放的各種因素進行了分析，認為經濟發展對人均碳排放的貢獻率呈指數增長的態勢，能源利用效率和能源結構對人均碳排放的貢獻率呈“倒U型”關系。張雷［9］認為產業結構的演進不僅決定著地區經濟發展的基本狀態，而且同樣決定著國家一次能源消費空間的基本格局;地區產業結構多元化程度越是走向成熟，其一次能源消費的增速也就越是減緩;緩慢的一次能源消費結構變化是難以實現地區碳排放增長有效控制的關鍵。與以上學者的研究相比，本文從空間經濟學的角度，采用空間計量經濟學的方法對我國各省份(自治區、直轄市)的碳排放與經濟增長之間的關系進行了實證研究。

1 樣本數據與指標選取

1.1 樣本數據

本文采用的空間樣本數據是除了我國臺灣省和香港、澳門特別行政區外的大陸31個省、自治區和直轄市。樣本區間為2005－2008年，數據主要來源于《新中國六十年統計資料匯編》，部分數據來源于各省份統計年鑒及統計公報、《中國能源統計年鑒》。

1.2 指標選取

1.2.1 國內生產總值

本文采用國內生產總值(GDP)來衡量各省份的經濟發展水平，以1978年為基期，單位為億元。1.2.2 碳排放量

由于目前我國沒有碳排放量的直接監測數據，而且關于碳排放量的計算學術界也沒有一個統一的標準，因而大部分的研究都是基于對能源消費的測算得來。本文采用了兩種方法來計算各省份的碳排放量，分別是Kaya碳排放恒等式法和碳的化學燃燒公式法。

Kaya碳排放恒等式［10－11］是由日本學者 Yoichi Kaya于1989年在聯合國政府間氣候變化專門委員會(IPCC)研討會上提出的，該等式通過一種簡單的數學公式將經濟、人口和政策等因素與人類活動產生的二氧化碳建立起了一種數學聯系，基本公式是:

其中，C表示總的碳排放量;i表示所消費能源的種類;Ci為第i種能源的碳排放量;E表示一次能源的消費量;Ei為對第i種能源的消費量;Y表示國內生產總值(GDP);P為人口數量。

由(1)可分析出幾個影響碳排放的因素，并給出如下的定義:能源結構因素表示對第i種能源的消費在一次能源消費中所占的比重;各類能源的排放強度Fi=

碳排放計算的第二種方法使用了碳的化學燃燒公式:C+O2=CO2，在該過程中，碳的燃燒值約為34 070 kj/kg，而每噸標準煤釋放的熱量為7 000千卡，即約為29 302 kj，于是就可以粗略地計算出每噸標準煤完全燃燒釋放出的二氧化碳。

但是考慮到第二種方法中標準煤的碳含量、含有硫、氮等元素、不完全燃燒等因素，最后本文采用兩種方法所計算出的每噸標準煤的碳排放系數介于2.277和2.72之間，取兩者的算術平均數作為每噸標準煤的碳排放系數，為2.499。本文用各省份的能源消費總量(單位為萬噸標準煤)乘以每噸標準煤的碳排放系數得到碳排放量，單位為萬噸，用carbon表示。

1.2.3 勞動力投入量

本文中勞動力投入量選取的是各省份的就業人員數，單位為萬人，用labor表示。

2 實證方法與模型設定

2.1 空間效應檢驗

空間效應［12］(Spatial Effects)是指各地區間的經濟地理行為之間一般都存在的一定程度的空間相互作用，分為空間依賴性(Spatial Dependence，也叫空間自相關性(Spatial Autocorrelation))和空間異質性。空間依賴性意味著空間上的觀測值之間缺乏獨立性，也意味著空間相關的強度及模式由空間的絕對位置(格局)和相對位置(距離)共同來決定。空間異質性是指地理空間上的區域缺乏均質性，也即存在中心和外圍地區、核心和邊緣地區、發達和落后地區等經濟地理結構，從而導致經濟社會發展存在較大的空間差異性。本文主要采用全域空間相關性檢驗和局域空間相關性檢驗來檢驗我國各地區碳排放的空間效應。

2.1.1 全域空間相關性檢驗

全域空間相關性又稱全域空間自相關(Global Spatial Autocorrelation)，是指從區域空間的整體上刻畫區域碳排放空間分布的集群情況。這里主要采用Moran's I指數法來對我國碳排放的全域空間相關性進行檢驗。全域Moran's I指數定義是:

全域Moran's I的取值范圍介于－1－1之間，若其數值大于0，說明空間存在正自相關，數值越大說明空間分布的正自相關性越強;若其數值小于0，說明空間相鄰的單元之間不具有相似的屬性，數值越小則說明各空間單元的差異性越大;若其數值為0，則說明該空間服從隨機分布。

通過繪制空間相關關系系數的Moran's I散點圖，可以將碳排放分為四個象限，分別用以識別各個省份與其他臨近省份之間的相互關系:右上方為第一象限，表示高碳排放的省份被高碳排放的其他省份所包圍(H－H，高－高);左上方為第二象限，表示低碳排放的省份被高碳排放的其他省份所包圍(L－H，低－高);左下方為第三象限，表示低碳排放的省份被低碳排放的其他省份所包圍(L－L，低－低):右下方為第四象限，表示高碳排放的省份被低碳排放的其他省份所包圍(H－L，高－低)。第一、三象限為正的空間自相關關系，表示相似碳排放省份之間的空間關聯;而第二、四象限為負的空間自相關關系，表示不同碳排放省份之間的空間關聯，如果各省份碳排放均勻地分布于四個象限之內，則說明各省份之間不存在空間相關關系。

2.1.2 局域空間相關性檢驗

局域空間相關性又稱為空間關聯局域指標(Local Indicators of Spatial Association，LISA)，它是探索性空間數據分析的重要組成部分。Anselin［13］認為LISA分析應該滿足兩個條件:每個空間單元的LISA描述了在一定顯著性條件下，圍繞該空間單元的其他相似空間單元之間所具有的空間集群程度;所有空間單元的LISA之和與對應的全域空間相關性指標成比例。對于局域空間相關性的分析主要包括局域Moran's I指數和局域Geary指數，本文采用的是局域Moran's I指數，定義為:

其中，Zi=xi－x、Zj=xj－x分別表示觀測值與均值的離差，xi表示空間單元i的觀測值，Wij表示空間權值矩陣，因此Moran's I就可以表示為空間單元i的觀測值的離差Zi與其相臨近的空間單元j的觀測值離差的加權平均值的乘積。

局域Moran's I指數還可以定義為:

其中m表示空間觀測單元的數量，若Moran's Ii值為正，則說明該空間單元周圍存在相似的空間集群;若Moran's Ii值為負，則說明該空間單元周圍存在非相似的空間集群。

其中，E(Moran's Ii)表示局域Moran's Ii值的期望值，VAR(Moran's Ii)表示局域Moran's Ii值的方差。利用公式(5)就可以對局域空間相關性進行顯著性檢驗。

2.1.3 空間權值矩陣的選擇

本文主要采用的是各省份的相關數據，而且相鄰省份間有共同的邊界，因此，采取K值最臨近空間權值矩陣(K-Nearest Neighbor Spatial Weights)。

2.2 空間模型

2.2.1 空間滯后模型

空間滯后模型主要是探討各變量在一地區是否具有擴散效應(或溢出效應)。模型為:

其中，Y為被解釋變量;X為n×k的外生解釋變量矩陣;ρ為空間回歸系數，它反映了空間單元之間的相互關系，也就是說相鄰空間單元對本空間單元的影響程度(該影響程度為矢量，具有一定的方向性);W為n×n的空間權值矩陣，Wy為空間權值矩陣W的空間滯后因變量;ε為隨機誤差向量。參數β主要反映了自變量X對因變量Y的影響，空間滯后因變量Wy是一內生變量，反映了空間距離對各空間單元之間的作用。

2.2.2 空間誤差模型

該模型為:

其中，Y為因變量;X為n×k的外生解釋變量矩陣;W為n×n的空間權值矩陣;ε為隨機誤差向量;u為正態分布的隨機誤差向量;參數β為自變量X對因變量Y的影響系數，λ為因變量向量的空間誤差系數。

2.3 計量模型的設定

從上面的分析，結合相關的經濟理論，本文設定的計量模型是:

其中，lngdp、lncarbon和 lnlabor分別表示各省份的GDP、碳排放和勞動力的自然對數;C表示常數項;α1和α2分布為相關的回歸系數;ε為隨機誤差項。

3 我國碳排放的空間格局及其集群現象

為了對我國各省份碳排放的空間格局和集群現象有一個更好的描述，本節以31個省份為空間單元，以2005—2008年各省份的碳排放及其平均數作為衡量指標，首先從宏觀的角度分析了碳排放分布的空間格局;其次，采用全域空間相關性指數Moran's I及局域Moran's I散點圖對各省份的碳排放在空間上是否存在自相關及集群現象進行了檢驗;再次，用局域空間相關性分析方法(LISA分析)對各省份碳排放的空間格局和集群現象進行了更加深入的分析，以揭示相鄰省份碳排放之間的空間關系;最后，用空間加權回歸的方法對碳排放、勞動力與經濟增長之間的關系進行了實證分析。

3.1 碳排放的空間分布描述

從宏觀的角度對各省份碳排放的空間分布進行描述性分析，可以清楚地看出各省份的碳排放在三個不同時段的空間分布呈現出一種明顯的空間格局，就是碳排放量較高的省份大多處于沿海地區，尤其是以北京為核心的環渤海地區、以上海為中心的長三角地區和以廣東為核心的珠三角地區。這表明，我們各省份的碳排放存在一定的空間集群現象，主要的高碳排放集群有內蒙古、河北、遼寧、山東、河南集群，上海、江蘇、浙江集群，廣東珠三角集群;還有可能會出現一些中等程度的集群，如湖北、湖南、安徽集群，東北的黑龍江，西南的四川、貴州等地區;主要的低碳排放集群有西藏、青海、甘肅、寧夏集群，西南的重慶，江西和海南。

3.2 碳排放的空間自相關及集群現象檢驗

采用全域空間相關性指數Moran's I及局域Moran's I散點圖對各省份的碳排放在空間上是否存在自相關及集群現象進行了檢驗。

由表1可以看出，在5%的顯著性水平下，2005－2008年間各省份的碳排放及其平均值表現出較強的自相關性，這說明在2005－2008年的樣本期間內，各省份的碳排放呈現出一種集群的趨勢，即碳排放相對較高的省份傾向于與其他具有較高碳排放的省份相鄰近，而碳排放較低的省份傾向于與其他具有較低碳排放的省份相鄰近。

表1 各省份碳排放的Moran's I統計值(2005－2008)Tab.1 The Moran's I static of China's carbon emission between 2005－2008

圖1－圖4是Moran's I散點分布圖，可以看出，我國各省份碳排放表現出共同的空間分布特征，即各省份的碳排放在空間上呈現出正的自相關性。

2005年有7個省份位于第一象限，分別為:內蒙古、河北、山西、遼寧、山東、江蘇和浙江，表現出高－高(H－H)的正自相關關系集群;黑龍江、吉林、北京、天津、陜西、安徽和海南等7個省份位于第二象限，表現出低－高(LH)的負自相關關系集群;新疆、青海、西藏、甘肅、寧夏、重慶、貴州、云南、江西和福建等10個省份位于第三象限，表現出低－低(L－L)的空間自相關關系;河南、湖北、湖南、廣東和四川等5個省份位于第四象限，表現出高－低(H－L)的空間自相關關系。上海同時橫跨了第一、二象限，廣西同時橫跨了第二、三象限。

圖1 2005年各省份碳排放的Moran's I散點圖Fig.1 The scatter diagram of carbon emission in 2005

圖2 2006年各省份碳排放的Moran's I散點圖Fig.2 The scatter diagram of carbon emission in 2006

圖3 2007年各省份碳排放的Moran's I散點圖Fig.3 The scatter diagram of carbon emission in 2007

圖4 2008年各省份碳排放的Moran's I散點圖Fig.4 The scatter diagram of carbon emission in 2008

2008年內蒙古、河北、吉林、山西、山東、江蘇、浙江等7個省份位于第一象限，表現出高－高(H－H)正的空間自相關關系;黑龍江、吉林、北京、天津、陜西、安徽、上海、海南等8省份位于第二象限，表現出低－高(L－H)負的空間自相關關系;新疆、青海、西藏、甘肅、寧夏、重慶、貴州、云南、江西、福建等10個省份位于第三象限，表現出低－低(L－L)的空間自相關關系;河南、湖北、湖南、廣東、四川等5省份位于第四象限，表現出低－低(L－L)的空間自相關關系。廣西同時橫跨第二、三象限。

比較期初的2005年和期末的2008年的Moran's I散點圖，可以發現:2005年和2008年都有17個省份表現出正向的空間相關關系，其中有7個省份位于第一象限，10個省份位于第三象限;2005年有12個省份表現出不相似的空間分布，其中有7個省份位于第二象限，5個省份位于第四象限;2008年有13個省份表現出不相似的空間分布，其中8個省份位于第二象限，5個省份位于第四象限。

3.3 碳排放的局域空間相關性

采用局域空間相關性分析方法(LISA分析)對各省份碳排放的空間格局和集群現象進行更深入的分析，以彌補全域空間相關性分析方法的不足。結果顯示，2005年和2008年河北、河南2個省份均通過了5%的顯著性水平，山東、安徽、海南、四川、新疆等5個省份通過了1%的顯著性水平;而2005－2008年中，有河北、河南和安徽三個省份通過了5%的顯著性水平，山東、四川、海南和西藏四個省份通過了1%的顯著性水平檢驗。

以北京為中心的環渤海地區傾向于分布于第一象限，呈現出高碳排放的空間分布態勢，與其他省份呈現出空間正相關關系;安徽和海南分布于第二象限，呈現出低碳排放的省份被其他高碳排放的省份所包圍;西藏始終分布于第三象限，是低碳排放的地區，與其他省份呈現出空間負相關關系;西南的四川始終位于第四象限，屬于高碳排放的省份被其他低碳排放的省份所包圍。

4 實證分析

4.1 空間加權的最小二乘估計

本文采取空間加權的方法對樣本期間內的我國各省份經濟增長與碳排放、勞動力之間的關系進行最小二乘估計，結果如表2所示。

樣本期間內碳排放對經濟增長的影響系數都通過了1%的顯著性水平檢驗，這說明碳排放對經濟增長的影響是顯著的。經濟增長對碳排放的彈性系數介于0.81－1.045之間，也就是說碳排放每增加1%就會引起經濟增長增加0.81% －1.045%，而且模型的擬合程度較好。

從空間依賴性檢驗中可以看出，除2005年外，其他年份的LMLAG和LMERR的統計值均通過了5%的顯著性水平檢驗，而且LMLAG檢驗較LMERR檢驗更加顯著，R-LMLAG檢驗也較R-LMERR顯著，因此應建立空間滯后模型。

4.2 空間滯后模型估計

估計結果如表3所示。

對比表2和表3中的估計結果，可以看出采用空間滯后模型后的估計結果整體上要好于采用空間加權最小二乘估計的結果。結果表明，碳排放對經濟增長的影響系數均通過了1%的顯著性水平檢驗，經濟增長對碳排放的彈性系數介于0.798－1.053之間，也就是說碳排放每增加1%，就會引起經濟增長增加0.798% －1.053%;空間相關系數ρ除2005年外的其他年份均通過了5%的顯著性水平檢驗，說明各省份的碳排放在空間上存在溢出效應，各省份間的碳排放存在相互間的正向影響。

表2 空間加權最小二乘估計Tab.2 Spatial weight of OLS estimation

表3 空間滯后模型估計Tab.3 The estimation of Spatial Lag Model

5 結論

我國各省份的碳排放在空間分布上以及與經濟增長都呈現出一定的正自相關性。碳排放量最高的省份多處于經濟發達的沿海地區，如以北京為中心的環渤海地區，以上海為中心的長三角地區和以廣東為核心的珠三角地區，而次之的是經濟較為發達的地區，如中部的山西、湖北、湖南、江西、安徽和西南地區。此外，我國各省份的碳排放在空間分布上也存在一定的空間集群效應，如環渤海地區就表現出高碳排放的空間集群效應，而西部地區的西藏、新疆、甘肅、青海卻表現出低碳排放的空間集群效應。

我國各省份的碳排放對經濟增長有著十分顯著的影響，經濟增長對碳排放的彈性系數約為0.8左右，說明我國經濟對能源的依賴性較強，在未來很短的時期內實行低碳經濟的發展模式較為困難。

References)

［1］徐玉高，郭元，吳宗鑫.經濟發展、碳排放和經濟演化［J］.環境科學進展，1999，7(2):54 － 64.［Xu Yugao，Guo Yuan，Wu Zongxin.Economic Development，Carbon Emission and Economic Evolution［J］.Advances in Environmental Science，1999，7(2):54 －64.］

［2］張雷.經濟發展對碳排放的影響［J］.地理學報，2003，58(4):629 －637.［Zhang lei.Economic Development and Its Bearing on CO2Emissions［J］.Acta Geograhpica Sinica，2003，58(4):629 －637.］

［3］王中英，王禮茂.中國經濟增長對碳排放的影響分析［J］.安全與環境學報，2006，6(5):88 － 91.［Wang Zhongying，Wang Limao.Economic Growth and Its Effects on Carbon Emission in China［J］.Journal of Safety and Environment，2006，6(5):88 －91.］

［4］杜婷婷，毛鋒，羅銳.中國經濟增長與CO2排放演化探析［J］.中國人口·資源與環境，2007，17(2):94 － 99.［Du Tingting，Mao Feng，Luo Rui.Study on China's Economic Growth and CO2Emissions［J］.China Population，Resources and Environment，2007，17(2):94 －99.］

［5］胡初枝，黃賢金，鐘太洋，等.中國碳排放特征及其動態演進分析［J］.中國人口·資源與環境，2008，18(3):38 －42.［Hu Chuzhi，Huang Xianjin，Zhong Taiyang，et al.Character of Carbon Emission in China and Its Dynamic Development Analysis［J］.China Population，Resources and Environment，2008，18(3):38 － 42.］

［6］王琛.我國碳排放與經濟增長的相關性分析［J］.管理觀察，2009，(3):149 －150.［Wang Chen.The Analysis of China's Carbon Emissions and Economic Development［J］.Management Observer，2009，(3):149 －150.］

［7］高衛東，姜巍，謝輝.經濟發展對中國能源排放空間分布的影響［J］.遼寧工程技術大學學報(自然科學版)，2009，28(2):296－299.［Gao Weidong，Jiang Wei，Xie Hui.Effect of Economic Development on Energy Carbon Emission Distribution［J］.Journal of Liaoning Technical University，2009，28(2):296 －299.］

［8］徐國泉，劉則淵，姜照華.中國碳排放的因素分解模型及實證分析:1995 －2004［J］.中國人口·資源與環境，2006，16(6):158 －161.［Xu Guoquan，Liu Zeyuan，Jiang Zhaohua.Decomposition Model and Empirical Study of Carbon Emission for Chian:1995 － 2004［J］.China Population，Resources and Environment，2006，16(6):158 －161.］

［9］張雷.中國一次能源消費的碳排放區域格局變化［J］.地理研究，2006，25(1):1 －9.［Zhang Lei.A Changing Pattern of Regional CO2Emissions in China［J］.Geographical Research，2006，25(1):1 －9.］

［10］Kaya，Y.Impact of Carbon Dioxide Emission Control on GNP Growth:Inter-pretation of Proposed Scenarios［J］.Paris:Paper Presented at the IPCC Energy and Industry Subgroup，Response Strategies Working Group，1989.

［11］Johan A，Delphine F，Koen S.A Shapley Decomposition of Carbon Emissions without Residuals［J］.Energy Policy，2002，(30):727 －736.

［12］Anselin Luc，Daniel A.Griffith.Do Spatial Effects Really Matter in Regression Analysis? ［J］.Papers ofthe RegionalScience Association，1988，65(1):11 －34.

［13］Anselin Luc.Local Indicators of Spatial Association-LISA［J］.Geographical Analysis，1995，27(2):93 －115.

Empirical Research of Carbon Emission and Economic Growth in China Based on the Spatial Econometric Analysis

ZHENG Chang-de LIU Shuai
(1.School of Economics，Southwest University for Nationalities，Chengdu Sichuan 610041，China)

This paper adopts the method of spatial econometrics to analysis the relationship between carbon emission and economic development of China，and our study showed that the spatial distribution of carbon emission in China presented spatial autocorrelation.The provinces whose amount of carbon emission was the highest usually locate in the most developed coastal regions，such as the littoral area of Bohai，Yangtze River Delta area and Peal River Delta area.The provinces whose amount of carbon emission take the second status locate in the less developed regions，such as Shanxi，Hubei，Hunan，Jiangxi，Anhui and southwestern regions.Besides，the spatial distribution of carbon emission in China presented spatial clusters.The littoral area of Bohai presented a high spatial cluster，while some provinces presented a low spatial ctuster，such as Tibet，Xinjiang，Gansu and Qinghai.The relationship between economic growth and carbon emission showed a positive correlation;the high carbon emission areas are located in the developed coastal regions and the low carbon emission areas in the economically backward inland areas.China's economic development showed a strong dependence on carbon emission，and the elasticity coefficient between China's economic development and carbon emission is about 0.8;thus it's difficult to implement the low-carbon emission economic development model.

carbon emission;economic development;spatial econometrics

F061.5

A

1002－2104(2011)05－0080－07

10.3969/j.issn.1002－2104.2011.05.014

2010－12－26

鄭長德，博士，教授，博導，主要研究方向為區域經濟與區域金融、國際金融、碳金融、空間計量經濟學。

劉帥，碩士生，主要研究方向為國際金融、碳金融、主權財富基金、空間計量經濟學。

*教育部人文社會科學研究項目基金(編號:09XJA790014)資助。

(編輯:劉照勝)