论文部分内容阅读
本文采用空间计量方法，研究基础设施建设水平对能源强度的影响机制发现，我国能源强度存在空间相关性且基础设施建设也表现出较为显著的空间溢出效应。因此在分析中不能忽略空间因素的影响，本文据此对传统模型进行改进，以更为准确地揭示基础设施对能源强度的影响机制.
基础设施建设对能源强度的空间溢出影响--基于省级面板数据的实证研究
【摘 要】
：
本文采用空间计量方法，研究基础设施建设水平对能源强度的影响机制发现，我国能源强度存在空间相关性且基础设施建设也表现出较为显著的空间溢出效应。因此在分析中不能忽略空间因素的影响，本文据此对传统模型进行改进，以更为准确地揭示基础设施对能源强度的影响机制.
【机 构】
：
东北财经大学产业组织与企业组织研究中心 大连116025
【出 处】
：
中国工业经济学会
【发表日期】
：
2015年11期
其他文献
氢能是神华集团"一主两翼,适度多元"的产业布局中的重要组成部分,也是神华集团成为世界一流清洁能源供应商的支撑.同时,氢能还能促进神华集团的传统能源业务清洁化,清洁能源规模化.神华集团的现有业务主要有煤炭、电力、铁路、港口、航运、煤化工等,氢气作为能源载体,可以与上述领域有机耦合,从而实现更高的能源效率和更好的能源环境性.神华集团具有发展氢能的良好产业和技术基础,包括:亚洲最大的三十万吨二氧化碳封存
以混合动力、纯电动汽车和燃料电池汽车为代表的新能源汽车是未来汽车动力能源系统的转型发展的重要方向,其中燃料电池车将是未来汽车产业技术的制高点.随着世界各大汽车制造商的不断努力,燃料电池汽车的技术难题逐步被攻克,2016年前后,丰田、本田、现代均开始商业化销售燃料电池汽车,燃料电池汽车商业化的时间点已经来临.加氢站是为燃料电池车辆供应燃料氢气的重要基础设施,其建设和商业化与燃料电池汽车的商业化存在"
为促使更好建立与实施公平竞争审查制度，本文围绕以下几点展开讨论:建立该制度的必要性，对中国经济改革和发展有何现实意义?单从字面上理解，该制度与现有的反垄断制度应该都是以维护和促进市场竞争为根本目的，二者有何区别?为成功实施公平竞争审查制度，应该如何设计该制度的执行机构、行政程序和审查流程等操作性问题?厘清这些问题，对于建立与实施公平竞争审查制度具有重要意义。
我国经济发展进入新常态,新常态对经济发展方式和区域发展战略提出了新思路和要求.一方面我国经济发展动力转向创新驱动,创新成为经济发展的新引擎;另一方面跨区域合作、跨区域协同创新引领区域协同发展,协同创新成为培育、壮大区域增长极的重要推动力.因此,新常态下的区域发展要坚定不移地实施协同创新驱动战略,而产业协同创新是创新驱动的核心所在,是区域协同发展的主攻方向.
鉴于地理距离对金融交易中信息不对称和运输成本的影响，本文尝试从理论上分析金融地理结构影响实体经济部门生产率的机制，并利用中国制造业微观数据和城市金融发展数据，检验和比较金融中心、地方金融对制造业企业生产率的影响，并结合中国经济的转轨特征分析这种影响在企业个体层面的类别差异，以此推断中国金融地理结构优化的方向。
通过回顾重庆轨道产业集群崛起的历程，可以得到产业发展的有益启示:依托巨大的市场需求，可以形成需求拉动型产业集群；依托高新科技优势，形成新的产业；国产化发展战略是新产业兴起的主要推动力量；充分利用国内外资源，优化资源配置。
本文以天津市2004-2013年相关数据为参考，运用普通最小二乘法(OLS)首先对天津市能源效率以及对能源效率有巨大影响作用的能源结构进行回归分析(为了防止夸大能源结构对能源效率的影响，在不影响可信度的情况下，回归模型中加入了劳动生产率和产业结构作为解释变量)，得出了能源消费结构对能源效率的影响。然后，更进一步具体分析了煤炭、石油和天然气的边际效率以及它们之间的边际替代率。
考虑到工业聚集是经济聚集最重要和突出的表现形式，且对大多数污染物而言，工业生产是污染物产生的主要来源，将工业生产作为对象对“先污染，后治理”模式进行理论分析和实证检验更具代表性。本文将给出“先污染，后治理”模式的理论逻辑，并基于2001-2013年中国(除西藏和港澳台地区之外)30个省份的工业生产数据，对中国是否曾经或正在经历“先污染，后治理”发展模式及其实际效果进行实证检验。
对工业污染物排放的研究，国内外学者更多的通过环境库兹涅茨曲线来讨论经济增长与工业污染物排放之间的关系，而本文则关注中国特定的银行业市场结构与工业污染物排放之间的关系。与既有文献相比，本文的贡献主要体现在两个方面:首次分析了银行业市场结构对工业减排的影响;应用工具变量估计方法，尽可能地消除了关于工业污染物排放的研究中可能存在的联立内生性及遗漏解释变量所带来的估计偏误。
本文从中国电力行业基本特征出发，着重分析电力行业实际运行情况与教科书上所提到的理想化市场机制存在的差异，提出与居民电力消费市场特征相适应的估计方法，最后使用广东省的数据对居民电力需求函数进行估计，得到了相应的结果。