安徽省生態(tài)足跡的影響因素分析及趨勢預(yù)測
——基于PLS-STIRPAT模型

黃永強，張 俊，任志安，陳 琳

安徽財經(jīng)大學(xué)經(jīng)濟學(xué)院，安徽蚌埠，233000

安徽省生態(tài)足跡的影響因素分析及趨勢預(yù)測
——基于PLS-STIRPAT模型

黃永強，張 俊，任志安，陳 琳

安徽財經(jīng)大學(xué)經(jīng)濟學(xué)院，安徽蚌埠，233000

基于能值生態(tài)足跡模型，計算并分析了安徽省1990-2014年生態(tài)足跡變化，采用灰色GM(1，1)模型預(yù)測了安徽省十三五期間的生態(tài)足跡，利用STIRPAT模型和偏最小二乘法對生態(tài)足跡影響因素進行了實證分析。結(jié)果表明，安徽省的人均生態(tài)足跡逐年增加，人均生態(tài)承載力沒有明顯變化，生態(tài)赤字日益嚴(yán)重；預(yù)測2020年安徽省人均生態(tài)足跡將達(dá)到9.8382hm2/人，能源賬戶足跡所占比重將達(dá)到68.77%；人口規(guī)模、農(nóng)村人均純收入、城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)化水平、第二產(chǎn)業(yè)GDP占比以及第三產(chǎn)業(yè)GDP對生態(tài)足跡具有正向的促進作用，能源消耗強度具有反向的抑制作用；能源消耗強度、農(nóng)村和城鎮(zhèn)人均收入以及城鎮(zhèn)化水平是安徽省生態(tài)足跡重要的影響因素。

生態(tài)足跡；STIRPAT模型，偏最小二乘法；GM(1，1)模型

生態(tài)足跡理論是由加拿大經(jīng)濟學(xué)家Rees[1]提出，并由其博士生Wackemagel[2]完善的一種衡量人類對自然資源利用程度以及自然界為人類提供服務(wù)的量化分析方法[3]。隨著徐中民等人[4]將生態(tài)足跡理論引入國內(nèi)后，生態(tài)足跡逐漸成為國內(nèi)學(xué)者衡量生態(tài)環(huán)境狀況的重要指標(biāo)。目前，運用生態(tài)足跡理論開展的研究主要分為兩類：一類主要為生態(tài)足跡的計算與改進。國內(nèi)學(xué)者對生態(tài)足跡的理論模型和計算方法進行了大量的實證研究[5]，拓展了生態(tài)足跡理論在不同層面[6]、不同行業(yè)上[7]的應(yīng)用范圍并對生態(tài)足跡模型進行了一系列改進[8]。另一類主要為生態(tài)足跡的影響因素和內(nèi)在機制研究[9]。國內(nèi)學(xué)者主要以相關(guān)性分析[10]以及STIRPAT模型[11]分析為主，前者側(cè)重于研究單個或多個影響因素，但缺乏對影響因素的整體認(rèn)識以及各類影響因素重要程度的比較；后者雖然將各類影響因素納入模型中，但由于各類影響因素間往往存在多重共線性，模型擬合效果不夠理想。目前，國內(nèi)學(xué)者為解決此問題，采取較為普遍的做法是主成分分析法[12]以及嶺回歸法[13]。主成分分析法在提取自變量主成分時，完全撇開了自變量，所提取的主成分雖然能很好地解釋自變量系統(tǒng)中的信息，但是對因變量卻缺乏解釋能力，而嶺回歸在嶺參數(shù)估計上也存在問題[14]。偏最小二乘(PLS)法作為一種新型的多元統(tǒng)計數(shù)據(jù)分析方法，將多元回歸分析、主成分分析、典型相關(guān)分析結(jié)合起來，不僅有效解決了多元回歸中變量多重共線性和樣本容量較少、自由度較低等實際問題[15]，且相比于其他兩種方法，數(shù)據(jù)的擬合效果更加理想。

本文基于能值生態(tài)足跡模型計算、分析安徽省1990-2014年生態(tài)足跡，采用STIRPAT模型和PLS回歸實證分析了安徽省生態(tài)足跡的各類影響因素，并運用灰色預(yù)測GM(1，1)模型對安徽省十三五規(guī)劃期間(2016-2020年)生態(tài)足跡進行預(yù)測，結(jié)合研究結(jié)果為安徽省降低生態(tài)足跡，改善生態(tài)環(huán)境，達(dá)到十三五規(guī)劃的生態(tài)要求，實現(xiàn)可持續(xù)發(fā)展和綠色城鎮(zhèn)化建設(shè)提出一定幾點建議。

1 研究方法和數(shù)據(jù)來源

1.1STIRPAT模型

STIRPAT模型的基礎(chǔ)理論來源于美國生態(tài)學(xué)家Ehrlich和Commonerder提出的IPAT模型[16]：

I=P×A×T

式中，I代表環(huán)境影響，P代表人口大小，A代表富裕程度，T代表技術(shù)水平。STIRPAT模型[17]則在此基礎(chǔ)上作了改進，提出了一種包含隨機影響的模型：

I=a×pb×Ac×Td×e

(1)

其中，a為模型常數(shù)項，b、c、d分別為P、A、T的指數(shù)項，e為誤差項。結(jié)合安徽省的發(fā)展情況，本文在實際應(yīng)用中對該模型作了一些改進[18]：I用計算的總生態(tài)足跡結(jié)果來表示，人口大小仍舊采用總?cè)丝?P)來表示，富裕程度則將學(xué)者普遍采用的人均GDP指標(biāo)細(xì)化為農(nóng)村人均純收入(A1)和城鎮(zhèn)人均可支配收入(A2)，技術(shù)水平上分解為第二產(chǎn)業(yè)GDP占比(T1)、第三產(chǎn)業(yè)GDP占比(T2)、城鎮(zhèn)化水平(T3)和能源消耗強度(T4)。為了方便，將模型轉(zhuǎn)化為對數(shù)形式，最終構(gòu)建模型如下：

lnE=a+blnP+c1lnA1+c2(lnA1)2

+c3lnA2+c4(lnA2)2+d1lnT1

+d2lnT2+d3lnT3+d4lnT4+e

(2)

式中，對富裕度指標(biāo)加入二次項(lnA1)2和(lnA2)2，用來檢驗安徽省是否存在環(huán)境與經(jīng)濟增長的倒“U”型關(guān)系，a為模型(1)的常數(shù)項的對數(shù)；b、c1、c2、c3、c4、d1、d2、d3、d4均為模型系數(shù)；e為隨機誤差項。

1.2 PLS方法

式中，Ph為因變量的預(yù)測誤差平方和，Sh代表因變量的誤差平方和，h為成分?jǐn)?shù)。同時，為了更好地測度各個自變量Xj對PLS模型因變量的重要程度，定義了變量投影重要性指標(biāo)V(Variable Importance in Projection，簡記為VIP)的概念。V反映了每個自變量在解釋因變量變化的重要性程度。V大于1、在0.8～1之間以及小于0.8分別表示因變量變化的重要、不確定、不重要因素，公式如下：

1.3 數(shù)據(jù)來源與處理

安徽省1990-2014年生態(tài)足跡的計算數(shù)據(jù)以及模型(2)中各變量所涉及的數(shù)據(jù)均來源于歷年《安徽省統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》。其中城鎮(zhèn)化水平以常用的人口城鎮(zhèn)化指標(biāo)表示，即常住人口城鎮(zhèn)化率來衡量城市化水平(%)。為了消除價格因素的影響，農(nóng)村人均純收入、城鎮(zhèn)居民人均可支配收入均以1990年的價格為基期(指數(shù)=100)進行折算。

2 結(jié)果與分析

2.1 安徽省生態(tài)足跡動態(tài)變化分析

本文生態(tài)足跡的計算是基于改進的能值生態(tài)足跡理論，關(guān)于能值生態(tài)足跡理論的參考文獻(xiàn)[19-20]已有許多，在此不再贅述。其計算公式為：

其中，EF為人均生態(tài)足跡(hm2)；i為資源項目的類型，i=1,2,…,n；Xi為第i種資源的消費量(產(chǎn)量)(kg)；Ri為第i種資源的能量折算系數(shù)(J/kg)；Ti為第i種資源的能值轉(zhuǎn)化率(sej/J)；P為區(qū)域能值密度(sej/hm2)；N為總?cè)丝跀?shù)。本文分別創(chuàng)建了生物資源賬戶和能源賬戶。生物資源賬戶包括耕地(稻谷、小麥、玉米、豆類、薯類、油料、棉花、麻類、煙葉、茶葉、糖料、蔬菜、豬肉、禽蛋)、林地(木材、水果)、牧草地(牛肉、羊肉、奶類)、水域(淡水產(chǎn)品)。能源消費賬戶主要消費品為化石能源用地(煤炭、原油、汽油、柴油)、建筑用地(電力)。

人均生態(tài)承載力反映了該區(qū)域所能提供的滿足單位人口消費和排放廢物的生態(tài)面積，計算公式為

式中，EC為人均生態(tài)承載力(hm2/人)，EI表示區(qū)域可更新資源總能值(sej)，P為區(qū)域能值密度(sej/hm2)，N為人口數(shù)。一般計算時，扣除12%的面積作為保護生物多樣性的面積。受篇幅限制，此處僅列出部分年份的人均生態(tài)足跡數(shù)據(jù)，見表1。

表1顯示，安徽省人均生態(tài)足跡逐年增加，人均生態(tài)承載力基本不變。1990年安徽省人均生態(tài)足跡為2.0280 hm2/人，人均生態(tài)承載力為0.2200 hm2/人，人均生態(tài)赤字為1.808 hm2/人；2014年人均生態(tài)足跡已增長至7.0713 hm2/人，增幅為248.68%，人均生態(tài)承載力為0.2209 hm2/人，人均生態(tài)赤字已擴大至6.8504 hm2/人，不斷擴大的生態(tài)赤字說明安徽省當(dāng)前的發(fā)展現(xiàn)狀是不可持續(xù)的。其中，生態(tài)足跡用地中增長最為明顯的為能源賬戶的兩類用地，2014年能源賬戶對總生態(tài)足跡的貢獻(xiàn)率已經(jīng)達(dá)到57.78%，反映出安徽省經(jīng)濟的迅速發(fā)展以及城鎮(zhèn)化的快速推進依賴于煤炭等能源的大量消耗，導(dǎo)致能源生態(tài)足跡不斷增加，嚴(yán)重破壞了生態(tài)環(huán)境。生物資源賬戶的四類用地中，相比于耕地，林地、牧草地以及水域?qū)ι鷳B(tài)足跡的增加貢獻(xiàn)并不顯著；由于安徽省快速工業(yè)化推動，第二產(chǎn)業(yè)占比迅速上升并成為主導(dǎo)產(chǎn)業(yè)，耕地生態(tài)足跡的增長速度也在逐步放緩，1990年耕地占生物賬戶生態(tài)足跡的比重為84.96%，占總生態(tài)足跡的比重為52.41%，2014年耕地的生態(tài)足跡約占生物賬戶77.80%，而占總生態(tài)足跡的比重下降為32.85%。

表1 1990-2014主要年份各類用地人均生態(tài)足跡 單位hm2/人

圖1顯示，安徽省1990-2014年生態(tài)足跡的增長可分為三個階段：1995年以前，年均增長率為2.71%；1995-2006年，年均增長率4.82%；2007年開始，年均增長率上升為6.04%。顯然，安徽省人均生態(tài)足跡的增長速度在不斷增加，生態(tài)環(huán)境不僅沒有隨著經(jīng)濟的發(fā)展而好轉(zhuǎn)，反而日益惡化。

圖1 安徽省生態(tài)足跡的動態(tài)變化

為了衡量安徽省經(jīng)濟活動對生態(tài)資源的利用效率，采用人均生態(tài)足跡與人均萬元GDP的比值，即萬元GDP生態(tài)足跡，反映GDP每增加萬元導(dǎo)致生態(tài)足跡的增加量，發(fā)現(xiàn)萬元GDP生態(tài)足跡在逐年下降，由最初1990年17.7028hm2/萬元下降至2014年2.080hm2/萬元，且對應(yīng)于人均生態(tài)足跡變化的三個階段。萬元GDP生態(tài)足跡的下降速度也在不斷放緩，說明1990年以來，安徽省在經(jīng)濟發(fā)展過程中，資源利用效率不斷提高，一定程度上延緩了生態(tài)足跡的增長速度。可見，轉(zhuǎn)變經(jīng)濟發(fā)展方式，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是實現(xiàn)發(fā)展可持續(xù)的重要戰(zhàn)略。然而，2010年以后，萬元GDP的生態(tài)足跡下降遭遇瓶頸，而生態(tài)足跡增長速度卻在增加，安徽省正面臨著巨大環(huán)境壓力。在該背景下，為了緩解安徽省經(jīng)濟發(fā)展與生態(tài)環(huán)境的矛盾，有必要深入分析安徽省生態(tài)足跡的各類影響因素，強化有利因素，抑制不利因素，從而推進安徽省綠色城鎮(zhèn)化進程，實現(xiàn)經(jīng)濟發(fā)展可持續(xù)性。

2.2 生態(tài)足跡變化的影響因素分析2.2.1 普通最小二乘法分析

首先使用OLS回歸對構(gòu)建的STIRPAT模型進行預(yù)評估，結(jié)果顯示(表2)，回歸模型的擬合優(yōu)度為0.996，通過了0.01顯著性水平下的F檢驗，擬合度較好，然而多項自變量沒有通過0.05顯著性水平的t檢驗，且各變量方差膨脹因子(VIF)遠(yuǎn)大于10，多重共線性嚴(yán)重，因此普通最小二乘法并不適用。

表2 OLS回歸結(jié)果

2.2.2PLS方法分析

為了消除多重共線性，由于主成分法、嶺回歸法的不足，本文采用PLS方法對STIRPAT模型進行回歸。當(dāng)提取自變量成分?jǐn)?shù)為1時，R2為0.9767；當(dāng)提取的主成分?jǐn)?shù)為2時，累計交叉有效性為0.9770，R2為0.9814，此時交叉有效性為0.0891，已低于交叉有效性的臨界值0.0975。結(jié)合考慮Ph最小原則、方程擬合情況以及主成分為2時的T2橢圓圖(圖2)，所有樣本點全部分布在橢圓內(nèi)，沒有奇異點，說明模型樣本取值合理，模型穩(wěn)定。故本文選取的最優(yōu)成分?jǐn)?shù)為2。

圖2 T2橢圓圖

據(jù)此，得到生態(tài)足跡影響因素的STIRPAT模型為：

lnE=1.7958lnP+0.0718lnA1+0.0046(lnA1)2

+0.0696lnA2+0.0039(lnA2)2+0.1358lnT1

+0.3570lnT2+0.1682lnT3-0.1100lnT4

-16.9396+e

(3)

由(3)式可得模型的擬合結(jié)果顯著，各項指標(biāo)系數(shù)均合理，符合經(jīng)濟含義。(lnA1)2與(lnA2)2的回歸系數(shù)為正，表明安徽省經(jīng)濟發(fā)展與環(huán)境保護之間不呈倒“U”關(guān)系，即安徽省目前還沒有實現(xiàn)經(jīng)濟與環(huán)境的協(xié)同發(fā)展，環(huán)境好轉(zhuǎn)的拐點還未出現(xiàn)。經(jīng)濟的不斷增長，不僅不會帶來環(huán)境的好轉(zhuǎn)，反而會導(dǎo)致環(huán)境的不斷惡化。因此，安徽省在追求經(jīng)濟快速增長的同時還應(yīng)兼顧對生態(tài)環(huán)境的影響。

具體來看，觀察模型各變量彈性系數(shù)，大部分變量的彈性系數(shù)為正。可以發(fā)現(xiàn)，人口規(guī)模、農(nóng)村人均純收入、城鎮(zhèn)居民可支配收入、第二產(chǎn)業(yè)GDP占比、第三產(chǎn)業(yè)GDP占比、城鎮(zhèn)化水平對lnE具有正向影響，能源消耗強度lnT4作為模型中唯一一個負(fù)值，反映出提高能源效率可以有效解決能源問題。此外，農(nóng)村居民人均純收入lnA1與城鎮(zhèn)居民人均可支配收入lnA2的彈性系數(shù)分別為0.0718和0.0696，差別不明顯，說明安徽省農(nóng)村和城鎮(zhèn)在對生態(tài)足跡的影響上無顯著區(qū)別。由于未標(biāo)準(zhǔn)化的回歸系數(shù)大小并不能反映自變量對因變量的影響大小[21]，因此需要采用成分為2的V值來進一步分析個因變量對生態(tài)足跡影響的重要性。

表3 V值

由表3可以看出，lnT4、lnA1、lnA2和lnT3的V值均大于1，表明能源消耗強度、城鄉(xiāng)人均收入、城鎮(zhèn)化水平是安徽省生態(tài)足跡變化的重要影響因素。能源消耗強度作為生態(tài)足跡最重要的影響因素，其每增加1%將會使生態(tài)足跡下降0.11%，因此，鼓勵技術(shù)創(chuàng)新，提高能源利用效率，可以有效抑制生態(tài)足跡的增長。經(jīng)濟增長作為另外一個影響生態(tài)足跡的重要因素，農(nóng)村人均純收入與城鎮(zhèn)居民可支配收入每變動1%，分別增加0.0718%和0.0696%的生態(tài)足跡。安徽省相比于東部發(fā)達(dá)省份，工業(yè)化具有更大發(fā)展空間，在加快工業(yè)化進程的同時，生態(tài)環(huán)境也面臨巨大挑戰(zhàn)，實現(xiàn)綠色經(jīng)濟增長是安徽省面臨的一個巨大難題。城鎮(zhèn)化水平同樣也是影響生態(tài)足跡的重要因素。城鎮(zhèn)化水平每提高1%，將引起生足跡增加0.1682%。2015年，安徽省城鎮(zhèn)化率突破50%，城鎮(zhèn)化水平的不斷提高，加大了人口的集聚，極大地促進了能源消費和基礎(chǔ)設(shè)施等資源的利用，將會顯著地影響生態(tài)環(huán)境。因此，粗放外延式的城鎮(zhèn)化道路對安徽省的可持續(xù)發(fā)展是不利的，實現(xiàn)綠色城鎮(zhèn)化的平穩(wěn)推進，將極大改善安徽省發(fā)展過程中對生態(tài)環(huán)境造成的負(fù)面影響。

2.3 灰色GM(1，1)預(yù)測

灰色預(yù)測模型作為一種長期預(yù)測模型，通過灰色關(guān)聯(lián)分析來判斷各種系統(tǒng)因素之間發(fā)展趨勢的相異程度，并對原始數(shù)據(jù)進行一系列處理來生成具有明顯規(guī)律性的數(shù)據(jù)序列，最終建立相應(yīng)的微分方程模型來做出預(yù)測[22]。由于該模型具有所需原始數(shù)據(jù)量小，預(yù)測精度高，運算簡便等優(yōu)點，廣泛應(yīng)用于經(jīng)濟、環(huán)境、農(nóng)業(yè)等領(lǐng)域。考慮生態(tài)足跡的數(shù)據(jù)特點以及樣本總量，本文運用灰色GM(1，1)模型進行預(yù)測，結(jié)果如表4所示。

表4 安徽省2016-2020年人均生態(tài)足跡預(yù)測結(jié)果

總生態(tài)足跡和人均能源生態(tài)足跡預(yù)測模型的后驗差檢驗(P，C)分別為(1，0.0960)、(1，0.0667)，說明所建立的預(yù)測模型預(yù)測精度好，因此預(yù)測結(jié)果具有一定的參考價值。由表4可知，安徽省2016-2020年生態(tài)足跡仍在不斷增長，2020年總?cè)司鷳B(tài)足跡將增長至8.0518hm2/人，年均增長率為5.14%。此外，人均能源生態(tài)足跡年均增長率為8.66%，在2020年將達(dá)到6.7662hm2/人，占總?cè)司鷳B(tài)足跡的比重上升至68.77%，年均增長率為8.66%。根據(jù)預(yù)測結(jié)果，安徽省將面臨巨大的節(jié)能減排壓力，要想順利達(dá)到十三五規(guī)劃的生態(tài)要求，必須作出相應(yīng)的政策調(diào)整。

3 結(jié)論與建議

3.1 結(jié) 論

本文利用能值生態(tài)足跡模型對安徽省1990-2014年的生態(tài)足跡進行了測算，結(jié)果表明，安徽省的生態(tài)足跡逐年增加，人均生態(tài)承載力沒有明顯變化，生態(tài)赤字日趨嚴(yán)重，萬元GDP生態(tài)足跡雖然在不斷下降，但是生態(tài)足跡的增長速度仍在上升。2014年，安徽省的能源賬戶生態(tài)足跡已經(jīng)占到總生態(tài)足跡的60%，結(jié)合GM(1，1)模型的預(yù)算結(jié)果發(fā)現(xiàn)該比例仍在進一步增加，預(yù)計2020年將達(dá)到人均能源生態(tài)足跡為6.7662hm2/人，占總?cè)司鷳B(tài)足跡的比重上升至68.77%。因此，安徽省十三五規(guī)劃期間節(jié)能減排的任務(wù)十分艱巨

結(jié)合STIRPAT模型并利用PLS方法修正，定量分析發(fā)現(xiàn)，安徽省目前不存在環(huán)境與經(jīng)濟增長的倒“U”型假設(shè)；人口規(guī)模、農(nóng)村人均純收入、城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)化水平、第二產(chǎn)業(yè)GDP占比以及第三產(chǎn)業(yè)GDP對生態(tài)足跡具有正向的驅(qū)動作用，能源消耗強度對生態(tài)足跡具有反方向的抑制作用；從V值來看，能源消耗強度、城鄉(xiāng)人均收入以及城鎮(zhèn)化水平是安徽省生態(tài)足跡重要的影響因素。

3.2 建 議

根據(jù)以上結(jié)論，為促進安徽省可持續(xù)發(fā)展和城鎮(zhèn)化健康推進，保證十三五規(guī)劃目標(biāo)的順利實現(xiàn)，本文建議：一是要重點解決能源問題。一方面制定合理的節(jié)能減排政策，發(fā)展低碳經(jīng)濟；另一方面優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，不僅要優(yōu)化三大產(chǎn)業(yè)結(jié)構(gòu)，還要優(yōu)化各類產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)，鼓勵創(chuàng)新，加大新能源技術(shù)的研發(fā)力度，積極開發(fā)新的可再生能源。二是繼續(xù)提高民眾的環(huán)保意識。消費仍是影響生態(tài)環(huán)境的重要因素，鼓勵民眾低碳消費，綠色出行，愛護環(huán)境、節(jié)能減排。三是政府要統(tǒng)籌協(xié)調(diào)好城鎮(zhèn)化、經(jīng)濟增長和生態(tài)環(huán)境的關(guān)系，不能盲目追求快速城鎮(zhèn)化，一味追求經(jīng)濟增長，要通過有效的政策，優(yōu)化人口結(jié)構(gòu)，控制城鎮(zhèn)化速度，實現(xiàn)土地集約利用、資源有效利用、環(huán)境友好發(fā)展的綠色經(jīng)濟增長和綠色城鎮(zhèn)化。

[1]ReesWE.Ecologicalfootprintsandappropriatedcarryingcapacity:whaturbaneconomicsleavesout[J].EnvironmentandUrbanization,1992,4(2):121-130

[2]WackernagelM，OnistoL，BelloP，etal．Nationalnaturalcapitalaccountingwiththeecologicalfootprintconcept[J]．EcologicalEconomics，1999，29(3)：375-390

[3]譚偉文，文禮章，仝寶生，等.生態(tài)足跡理論綜述與應(yīng)用展望[J].生態(tài)經(jīng)濟，2012(6)：173-181

[4]徐中民，張志強，程國棟.甘肅省1998年生態(tài)足跡計算與分析[J].地理學(xué)報,2000，55(5):607-616

[5]熊德國,鮮學(xué)福,姜永東.生態(tài)足跡理論在區(qū)域可持續(xù)發(fā)展評價中的應(yīng)用及改進[J].地理科學(xué)進展,2003,22(6):618-626

[6]趙云龍,唐海萍,李新宇,等.河北省懷來縣可持續(xù)發(fā)展?fàn)顩r的生態(tài)足跡分析[J].自然資源學(xué)報,2004,19(1)：128-135

[7]李兵，張建強，權(quán)進民.企業(yè)生態(tài)足跡和生態(tài)效率研究[J].環(huán)境工程，2007(6)：85-88

[8]向書堅，柴士改.生態(tài)足跡若干不足、修正與完善以及應(yīng)用拓展[J]．資源科學(xué)，2013，35(5):1051-1058

[9]黃寶榮，崔書紅，李穎明.中國2000-2014年生態(tài)足跡變化特征及影響因素[J].環(huán)境科學(xué)，2016，37(2)：420-426

[10]李惠梅，張安錄.我國經(jīng)濟增長和城市化對生態(tài)足跡影響的計量分析[J].中國人口·資源與環(huán)境，2011，21：381-383

[11]王立群,李冰,郭軻.北京市生態(tài)足跡變化及其社會經(jīng)濟驅(qū)動因子分析[J].城市問題,2014(7):2-8

[12]任毅，李宇，鄭吉.基于改進STIRPAT模型的定西市生態(tài)足跡影響因素研究[J].生態(tài)經(jīng)濟，2016，32(1)：88-93

[13]黃蕊,王錚,丁冠群,等.基于STIRPAT模型的江蘇省能源消費碳排放影響因素分析及趨勢預(yù)測[J].地理研究.2016，35(4):781-789

[14]李健，王錚，樸勝任.大型工業(yè)城市碳排放影響因素分析及趨勢預(yù)測：基于PLS-STIRPAT模型的實證研究[J].科技管理研究，2016(7)：229-234

[15]王惠文．偏最小二乘回歸方法及其應(yīng)用[M]．北京:國防工業(yè)出版社，1999：1-265

[16]WaggonerPE,AusubelJH.Aframeworkforsustainabilityscience:ArenovatedIPATidentity[J].ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2002,99(12):7860-7865

[17]YorkR，RosaEA，DietzT．STIRPAT，IPATandImpact:analytictoolsforunpackingthedrivingforcesofenvironmentalimpacts[J].EcologicalEconomics，2003，46(3):351-365

[18]陳操操，劉春蘭，汪浩，等.北京市能源消費碳足跡影響因素分析：基于STIRPAT模型和偏小二成模型[J].中國環(huán)境科學(xué)，2014，34(6)：1622-1632

[19]張芳怡，濮勵杰，張建.基于能值分析理論的生態(tài)足跡模型及其應(yīng)用：以江蘇省為例[J].自然資源學(xué)報，2006，21(4)：653-660

[20]劉淼，胡遠(yuǎn)滿，常禹，等.基于能值理論的生態(tài)足跡方法改進[J].自然資源學(xué)報，2008，23(3)：447-457

[21]肖思思,黃賢金，吳春篤.江蘇省生態(tài)足跡時間維度變化及其驅(qū)動因素分析：基于PLS方法對STIRPAT模型的修正[J].地理與地理信息科學(xué)，2012，28(3)：76-82

[22]吳振信，石佳.基于STIRPAT和GM(1，1)模型的北京能源碳排放影響因素分析及趨勢預(yù)測[J].中國管理科學(xué)，2012，20(11)：804-809

(責(zé)任編輯：汪材印)

10.3969/j.issn.1673-2006.2016.08.030

2016-03-19

國家社會科學(xué)規(guī)劃基金一般項目(11BJL039)；安徽自然科學(xué)基金項目(1608085MG159)；安徽財經(jīng)大學(xué)研究生創(chuàng)新基金項目(ACYC2015075)

黃永強(1993-)，安徽馬鞍山人，在讀碩士研究生，主要研究方向：宏觀經(jīng)濟理論與政策。

F

A

1673-2006(2016)08-0108-06