经济规模的定义范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇经济规模的定义范例，将为您的写作提供有力的支持和灵感！

篇1

中图分类号：P641.8文献标识码：A 文章编号：

1 引言

水资源是人类生产和生活必不可少的自然资源，也是生物赖以生存的环境资源。随着水资源危机的加剧和水环境质量的不断恶化，水资源的短缺已经演变成世界备受关注的资源环境问题之一[1]。区域社会经济发展的环境承载力问题是地方政府制定中长期社会经济发展规划目标、政策措施的重要依据，不仅关系到规划目标实现的可能性、政策措施及决策的科学性，也关系到实施过程对资源的科学调配和高效利用，以及区域经济的可持续发展。因此，水资源承载力对区域经济社会发展都有不可忽视的作用[2]。

水资源承载能力是指在一定区域内,在某一具体发展阶段下,以可预见的技术和社会经济发展水平为依据,以可持续发展为原则,经过合理优化配置,水资源支持社会经济和生态环境发展的能力[3]。目前水资源承载力的研究领域主要集中城市水资源承载力和区（流）域水资源承载力两个方面[4]。研究的方法有常规趋势方法，向量模法，模糊综合评价法、主成分分析法，系统仿真动力法，投影寻踪法，人工神经网络方法以及其他方法[5-10]。

2 研究思路

水资源承载力研究是属于评价、规划与预测一体化性质的综合研究, 它以水资源评价为基础, 以水资源合理配置为前提，以水资源潜力和开发前景为核心, 以系统分析和动态分析为手段，以人口、资源、经济和环境协调发展为目标[11]。 由于受水资源总量、社会经济发展水平和技术条件以及水环境质量的影响，在研究过程中，必须充分考虑水资源系统、宏观经济系统、社会系统以及水环境系统之间的相互协调与制约的关系。

具体的研究步骤包括：①根据现有的资料数据进行区域水资源承载力宏观指标设计，其相应指标涉及水资源系统，生态环境系统和社会经济系统；②根据选择的模型指标，选择合适的评价模型进行分析，如本文选择常规趋势分析法；③在模型和指标确定下，根据区域发展规划或国家长期发展规划要求进行确定不同的方案，研究不同方案条件下水资源承载能力，预测未来一段时间区域水资源承载能力；④根据不同方案的预测结果对今后区域水资源的合理配置利用和区域可持续发展提供科学依据。

为了研究方便，本文在计算水资源承载力之前设定了一些假定条件：①假设水资源空间变换不存在；②假设水资源时间上分配均匀；③假设研究区域是一个封闭系统。

3 研究模型

3.1 指标设计

（1）区域水资源支撑的经济规模[12]

区域水资源支撑的经济规模是区域水资源承载力宏观指标之一，它是区域国内生产总值GDP与生产这些GDP所消耗的水量之比，当所消耗的水量等于区域水资源可利用量，此时水资源承载的经济规模就是最大经济规模。

（2）区域水资源支撑的人口规模[12]

区域水资源支撑的人口规模是表示水资源承载力的另一个重要宏观指标，它是研究区域某阶段所处的社会发展水平和该阶段国内生产总值进行计算的。

根据我国社会经济发展现状和战略目标，参考国外有关社会发展的阶段划分，社会发展

水平可划分为温饱型、初步小康、中等小康、全面小康、初步富裕和中等富裕6个阶段，其相应的人均GDP下限分别为3000、6300、13000、24000、34000和62000元。

（3）承载力指数

根据文献[3]计算的承载力指数（Carrying Index，CI）方法，定义CIP为区域水资源支撑的人口承载力指数，即区域实际人口与区域水资源支撑的人口规模的比值，若CIP>1则则表明实际人口已经超过承载人口规模，人水关系成不可持续发展；若CIP=1，则表明人水关系呈现平衡状态，且处于潜在危险中；若CIP＜1，则表明实际人口还未达到承载人口规模，还有盈余，人水关系为可持续发展状态。定义CIe为区域水资源支撑的经济承载力指数，即区域经济总量与区域水资源支撑的经济规模的比值。若CIe>1则则表明实际经济总量已经超过承载经济规模，经济发展与水资源关系成不可持续发展；若CIe=1，则表明经济发展与水资源关系呈现平衡状态，且处于潜在危险中；若CIe＜1，则表明实际经济规模还未达到承载经济规模，还有盈余，经济发展与水资源关系为可持续发展状态。

3.2 计算模型与方法

（1）供需平衡指数（IWSD）

根据文献[13]提出的水资源承载力的供需平衡指数，得

IWSD=1-WD/WS（1）

式中，WS为可利用水资源量，WD为水资源需求总量，WD=WP+WI+WA+We，WP为生活需水，WI为工业需水，WA为农业需水，We为生态环境需水。

根据式（1）可知，当IWSD0时说明可供的水资源具备对此规模的社会经济系统的支撑能力，水资源对应的人口和经济规模是可承载的。

（2）宏观指标计算[14]

区域水资源支撑的经济规模计算表达式为

Fe=GDP/WD （2）

式中，Fe为单位水量支撑的经济规模，表示研究区域全部最终产品的总和与生产这些产品所用的水量之比（108元/104m3）；WD为社会系统、经济系统用水总量（104m3）；GDP为用水为WD时所产生的国内生产总值（108元）。

计算区域水资源承载的最大经济规模，其表达式为：

Fem=GDP/WD×WS （3）

式中Fem为区域水资源承载的最大经济规模（108元）；WS为区域水资源可利用量（104m3）。

区域水资源支撑的人口规模计算表达式为：

Fp=GDP/[GDPP]（4）

式中Fp为某一社会发展状态下，区域可利用水资源量转化成全部产品所能供养的人口规模，即水资源承载的最大人口规模，[GDPP]为某一社会发展水平下的人均占有GDP的下限指标。

（3）承载力指数[3]

为了更准确对承载力指数分布进行归类，运用如下的划分标准，将其分成更细的亚类，如表1所示。

表1 承载力指数划分标准

篇2

影响水资源承载力大小因素有很多，该模型中考虑经济规模与人口规模两个方面，所选指标如表

1.经济规模

根据上表所选指标，该区域水资源经济规模指数Fa表达式为：Fa =GDP/Wa

如果计算区域水资源承载的最大经济规模Fam，其表达式为：Fam = （GDP/Wa） × Wc

Fam为区域水资源承载的最大经济规模。

2.人口规模

根据上表所选指标，区域水资源承载的人口最大规模Fb表达式为：Fb = Wc / Wb

应用此模型，计算区域水资源所承载的经济规模与人口规模，得出经济发展、人类生存分别于水资源供应能力的关系。

二、水资源承载力的所处状态

水资源承载力所处状态的计算包括单项指标的计算、各层指标关系的计算以及综合供需指数计算。本模型采用层次分析方法，先利用MATLAB等数据分析软件计算各指标的权重，探究各层指标之间的关系，再利用供需平衡模型计算供需指数，分析水资源承载力的所处状态。模型所选指标如下表：

1.消除各单项指标的量纲

利用表中提供的计算公式计算单项指标，得到基础数据。

利用某地近n年数据定义各单项指标时间序列向量：x=（x（1），x（2），…x（n））

则称映射f：xy

f（x（k））=y（k）=x（k）/x，k=1，2，…，n

为序列X到序列y的数据初值化变换，也即消除各单项指标的纲变量。下文中所用数据均采用此方法消除量纲，以后不再赘述。

2.各层指标关联度及权重的计算

采用层次分析方法，对供应指数、社会需求指数、经济需求指数、生态需求指数的单项指标进行层次分析，得到各单项指标的权重；再利用层次分析法求得社会需求指数、经济需求指数和生态需求指数分别占影响水资源压力指数的权重。

（1）构造判断矩阵

以的单项指标W1 W2 W3 W4的权重计算为例计算，利用层析分析法，构造判断矩阵。即每次取两个因子Wi和Wj，以aij表示Wi和Wj对C1的影响大小之比，全部比较结果用矩阵A=（aij）n×n表示，称A为C-W之间的成对比较判断矩阵（简称判断矩阵）。容易看出，若与对的影响之比为aij，则Wi与Wj对C1的影响之比应为aji =1/aij。

关于如何确定aij的值，引用数字1―9及其倒数作为标度。1表示两个因素相比，具有相同重要性；5表示两个因素相比，前者比后者明显重要；9表示两个因素相比，前者比后者极端重要；倒数，若因素i与因素j的重要性之比为aij，那么因素j与因素i重要性之比为aji =1/aij通过主观比较得出矩阵aij的值（标度），从而得到判断矩阵。

（2）判断矩阵的一致性检验

根据矩阵一致性定理，对判断矩阵的一致性检验的步骤如下：

①计算一致性指标CI

CI=（λmax-n）/（n-1）

λmax为判断矩阵A的最大特征值，n为矩阵A的阶；

②查找相应的平均随机一致性指标RI。对n=，有：

③计算一致性比例CR

CR=CI/RI

当CR

根据（1）（2）可以得出C1分指标的权重，相似的，即可求得C2 C3 C4的分指标权重，再将C2 C3 C4作为分指标进行层次分析得出其权重。

本模型由于各指标确定，但两两指标的标度需主观判断，我们给出可供参考的几个判断矩阵：

判断矩阵的一致性检验及求解权重的过程计算复杂，可由MATLAB进行计算既得到各单项指标所占的权重向量Q。

3.计算综合评价值

各层指标的综合评价值的求解公式为Y=∑I Qi Wi为第i个指标评价值， Qi为指标因子的权重。上述供应指数为C1，其综合评价值为；需求指数为C2 C3 C4，其综合评价值为Y2。

4.计算供需指数GX

根据供需平衡模型：GX= Y2/ Y1

当GX>1时，水资源的需求大于供应，说明水资源系统超载；当GX=1时，水资源的需求等于供应，说明水资源系统达到平衡，水资供需达到最大供需程度；当GX

四、区域供水能力的评判

通过已建数学模型以水资源承载力的大小来判定某地区的供应净水的能力。

首先区域供水能力体现在该地区供水量所能承担的最大经济发展规模Fam和人口发展规模Fb。计算Fam和Fa与其实际经济发展规模和人口规模的大小之比，水资源承载力的供需指数大小两方面综合分析评判区域供水能力。

参考文献

篇3

本文将从水资源承载能力的概念谈到内涵，揭示“水资源承载能力”的真正含义，讨论水资源承载能力和水环境承载能力的概念；从影响水资源承载能力大小的主要因素分析来探讨水资源承载能力量化研究的框架；并针对水资源承载能力计算提出几个关键问题。

1 城市水环境与水资源承载能力概念

1.1 水资源承载能力的概念及内涵

水资源承载能力（Carrying Capacity of Water Resources – CCWR，又可翻译成Supporting Capacity of Water Resources – SCWR）的概念，最早源自于《生态学》中的“承载能力”（Carrying Capacity）一词，是自然资源承载能力的一部分。其研究的主体是资源与环境系统，客体是人类或更广泛的生物群体。而“承载能力”的概念最早可以追溯到马尔萨斯（Malthus）“人口理论”中关于“有限粮食对人口增长的支撑能力”的论述（Seidl and Tisdell， 1999）。20世纪90年代早期，有的学者提出了水资源承载能力的概念并被应用于干旱半干旱地区和城市区（施雅凤等，1992；李令跃，2000；Guo等，2001；左其亭、陈曦，2003）。近年来，我国不少学者对水资源承载能力的概念及计算方法进行了深入探讨。关于水资源承载能力的定义，人们从不同研究角度给出了不同的定义，这里列举几个代表性的定义：

（1）水资源承载能力是指某一地区的水资源，在一定社会历史和科学技术发展阶段，在不破坏社会和生态系统时，最大可承载（容纳）的农业、工业、城市规模和人口的能力，是一个随着社会、经济、科学技术发展而变化的综合目标（施雅凤等，1992）；

（2）在某一历史发展阶段的技术、经济和社会发展水平条件下，水资源对该地区社会经济发展的最大支撑能力（刘燕华，2000）；

（3）某一历史发展阶段，以可预见的技术、经济和社会发展水平为依据，以可持续发展为原则，以维护生态良性循环发展为条件，在水资源得到合理开发利用下，该地区人口增长与经济发展的最大容量（李令跃，2000）；

（4）一个流域、一个地区、一个国家，在不同阶段的社会经济和技术条件下，在水资源合理开发利用的前提下，当地水资源能够维系和支撑的人口、经济和环境规模总量（何希吾，2000）；

（5）一定的区域内，在一定的生活水平和生态环境质量下，天然水资源的可供水量能够支持人口、环境与经济协调发展的能力或限度（冯尚友，2000）；

（6）水资源承载能力，指的是在一定流域或区域内，其自身的水资源能够持续支撑经济社会发展规模，并维系良好的生态系统的能力（汪恕诚，2001）；

（7）可理解为某一区域的水资源条件在“自然-人工”二元模式影响下，以可预见的技术、经济、社会发展水平及水资源的动态变化为依据，以可持续发展为原则，以维护生态良性循环发展为条件，经过合理优化配置，对该地区社会经济发展所能提供的最大支撑能力（惠泱河等，2001）；

（8）在一定的水资源开发利用阶段，满足生态需水的可利用水量能够维系有限发展目标的最大的社会-经济规模（夏军，2002）。

关于水资源承载能力的定义还可以列举很多。尽管在表述上各有不同，但其表现的基本观点和思路并无本质差异，都强调了“水资源支撑能力”的含义。从水资源承载能力的含义来分析，至少具有如下几点内涵（左其亭、陈曦，2003）：

（1）在“水资源承载能力”概念中，主体是水资源，客体是人类及其生存的社会经济系统和环境系统，或更广泛的生物群体及其生存需求。“水资源承载能力”就是要满足客体对主体的需求或压力，也就是水资源对社会经济发展的支撑规模；

（2）“水资源承载能力”具有空间属性。它是针对某一区域来说的，因为不同区域的水资源量、水资源可利用量、需水量以及社会发展水平、经济结构与条件、生态与环境问题等方面可能不同，水资源承载能力也可能不同。因此，在水资源承载能力定义或计算时，首先要圈定研究区范围。

（3）“水资源承载能力”具有时间属性。在众多定义中均强调了“在某一阶段”，这是因为在不同时段内，社会发展水平、科技水平、水资源利用率、污水处理率、用水定额以及人均对水资源的需求量等均有可能不同。因此，在水资源承载能力定义或计算时，也要指明研究时段，并注意不同阶段的水资源承载能力可能有所变化。

（4）“水资源承载能力”对社会经济发展的支撑标准应该是以“可承载”为准则。在“水资源承载能力”的概念和计算中，必须要回答：水资源对社会经济发展支撑到什么标准时才算是最大限度的支撑。也只有在定义了这个标准后，才能进一步计算水资源承载能力。一般，可以把“维系生态系统良性循环”作为水资源承载能力的基本准则。

（5）必须承认水资源系统与社会经济系统、生态系统之间是相互依赖、相互影响的复杂关系。不能孤立地计算水资源系统对某一方面的支撑作用，而是要把水资源系统与社会经济系统、生态系统联合起来进行研究，在社会经济—水资源—生态复合大系统中，寻求满足水资源可承载条件的最大发展规模，才是水资源承载能力。

（6）“满足水资源承载能力”仅仅是可持续发展量化研究“可承载”准则的一部分（“可承载”准则包括资源可承载、环境可承载。资源可承载又包括水资源可承载、土地资源可承载等），它还必须配合其它准则（有效益、可持续），才能保证区域可持续发展。因此，在研究水资源可持续利用合理配置时，应以“水资源承载能力”为基础，以可持续发展为准则（包括可承载、有效益、可持续），建立水资源优化配置模型。

根据以上分析，本书作者曾把“水资源承载能力”简单定义为：“一定区域、一定时段，维系生态系统良性循环，水资源系统支撑社会经济发展的最大规模”（左其亭、陈曦，2003），可以概括为图1.1的概念图。

图1.1可以形象地表达出水资源承载能力的概念，简单解释如下：

水资源系统与生态系统相互支撑、共同作用，来共同支撑社会经济系统。

社会经济系统对水资源系统可以进行开发利用和保护，对生态系统一方面可以进行保护，一方面又有可能进行破坏。因此，社会经济系统与水资源系统和生态系统之间又是相互制约的关系。如果支撑的社会经济规模太大，水资源系统和生态系统就难以支撑，难以确保水资源的可持续利用和生态系统的良性循环。

在一定条件下，如果生态系统达到良性循环的极限，这时其对应的社会经济最大规模就称为是“承载能力”。因此，水资源承载能力是在“社会经济—水资源—生态复合大系统”有机运转下，达到“生态系统良性循环”目标时的“最大社会经济发展规模”。

在特定的城市区，所确定的水资源承载能力就是城市水资源承载能力。因此，可以仿照水资源承载能力的定义，把“城市水资源承载能力”简单定义为：“在特定的城市区，一定时段内，维系生态系统良性循环，水资源系统支撑社会经济发展的最大规模”。与一般流域或区域相比，城市区人类活动强烈，人口、工业、商业集中，本地水资源一般满足不了城市用水需要，污水排放集中且量大，水资源承载能力计算一般比较复杂。另外，一般城市区不是一个完整的流域，在计算城市水资源承载能力时，要满足流域（或更大区域）尺度上的水资源承载能力要求（或水资源可持续利用要求）。也就是说，城市水资源承载能力计算一般是基于一定水资源边界条件下进行的。

1.2 水资源承载能力的影响因素

从以上关于水资源承载能力的内涵分析可以引申出影响水资源承载能力大小的主要因素，大致可以分为三大类：

第一类：水资源系统本身特性

水资源系统是水资源承载能力的主体，水资源系统的可利用水资源量大小是其承载能力的内因。也就是说，水资源承载能力大小首先是由水资源系统所能提供的水资源量决定的。在城市区，一般本地水资源满足不了用水的需求，需要考虑流域（或更大区域）一定的水资源条件。

第二类：人类活动能力及意识形态

人类是水资源承载能力的客体，在很大程度上影响着水资源承载能力。（1）水资源利用率。这是决定单位水资源量能够养活多少人口或带来多大经济效益的重要指标，是水资源承载能力计算的关键指标。（2）科技进步通过提高水资源利用率、重复利用率、污水处理率等提高水资源承载能力。科学技术能促进经济增长，提高资源利用效率，降低污染处理成本，改善人类生存环境。随着科技的进步，原来不能治理的污染现在可以治理了，原来需要花费很大代价才能治理的污染现在需要花费较小的代价。这些变化都有可能促进水资源承载能力的提高。（3）本区域发展战略。它反映一个国家或地区的发展规划或发展模式，对水资源的分配和利用有重要影响，从而影响到水资源承载能力。（4）管理体制和法制。它反映了人们用水、治水、保护水资源的基本思路。有些管理体制或法制对水资源的利用和保护有积极作用，有些甚至有消极作用。这在很大程度上影响着水资源承载能力。

第三类：定义“是否可承载”的目标差异

这是关系到水资源承载能力计算的一个关键问题，也就是，要人为确定“达到什么样的标准时的最大承受能力才是水资源的承载能力”。前文在定义“水资源承载能力”概念时，是以“维系生态系统良性循环”为判断目标。另外，也可以制定一些判断目标，计算得到人为干预下的水资源承载能力。肯定会因为确定的目标差异而导致计算结果的不一致。

1.3 水环境承载能力的概念及内涵

前文对水资源承载能力的概念进行过简单介绍和探讨。从对水资源承载能力的定义和解释中可以看出，水资源承载能力特别强调“生态系统良性循环”这个目标。针对水环境来说，水体到底能容纳多大的污水及污染物，这是水环境承载能力计算问题。在城市区，生态与环境状况在很大程度上取决于城市区所具有的水资源数量和水资源质量。因此，可以说，水环境承载能力是城市水资源承载能力表现的重要方面和前提条件。

关于水环境承载能力的概念及与水资源承载能力的关系，汪恕诚（2001）曾论述为“水资源承载能力讲的是用水即取水这一面。你用了水之后，产生了污水，污水又排放到一定的水域里去，这个水域能够承载多少污水和污染物的排放呢？因此，水环境承载能力指的是在一定的水域，其水体能够被继续使用并仍保持良好生态系统时，所能够容纳污水及污染物的最大能力。”

如果不去过多地“抠字眼”的话，水环境承载能力也就是我们通常所说的“水环境容量”或者说是“水环境（水体）纳污能力”、“水环境容许污染负荷量”等等，都是一个概念，一个意思（崔树彬，2002）。实际上，两者也有细微差别，水环境承载能力强调以“保持生态系统良性循环”为目标。但是，为了在实际应用中便于操作和显示污水处理厂的作用，针对城市水环境问题，本书作者建议采用“水体容许城市污水最大排放量”作为水环境承载能力指标。这种定义就与“水环境容量”、“水环境（水体）纳污能力”、“水环境容许污染负荷量”等概念有很大区别。它不仅取决于水体纳污能力，还与该城市污水处理能力有关。也就是说，本书定义的水环境承载能力不仅是与水体本身的纳污能力有关的问题，还是一个与人类活动有关的问题；是在人与自然共同作用下，水体所能容纳的最大城市污水排放量。这种定义的优点是，可以很清楚地区分出一定条件下城市最大可以排放的污水量。这种定义的缺点是，还不能表达水体纳污能力，并且计算的承载能力与污水处理能力有关，这在不同年代可能是一个变值。为了克服这种缺点，在应用时同时采用“水环境纳污能力”和“水环境承载能力”，来分别表示“水体所能容纳的最大污水量”和“水体所能容纳的最大城市污水排放量”。

根据本书定义的水环境承载能力概念，可以把城市水环境承载能力计算思路形象地表达为图1.2的形式。

简单解释如下：

城市生活、生产、生态需要从水体中引水，同时又排放出大量的污水。在排放的污水中，一部分被污水处理厂处理后再排入水体，一部分直接排入水体。如果排入水体的污水量过大，就难以确保水体水质能被控制在某一可接受的范围内，也就难以确保生态系统良性循环。

在一定条件下，如果生态系统达到良性循环的极限，这时其对应的水体最大可以接纳的城市污水排放总量，就称为“水环境承载能力”。简言之，水环境承载能力是指“水体维持生态系统良性循环所能承受的城市污水最大排放量”。

水环境承载能力控制目标强调的是生态系统的良性循环。现在的问题是，什么样的状态才算是生态系统良性循环？用哪些指标来表征？

考虑城市水资源系统和范围更大的区域水资源系统生态良性循环，一般应该在以下几方面加以控制：一是，城市污水或污染物排放总量不得超出一定限度（即，总量控制）；二是，一定区域水体的水质不得超出水体本身水功能区的水质标准（即，浓度控制）；三是，城市相关河流的径流量不得小于河流最小基流量（即，满足生态用水）。如果把这三方面的控制范围作为生态系统良性循环的判别目标，在这种目标下得到的最大允许城市污水排放量就是水环境承载能力。其基本思路是，以控制目标为约束，以水量水质模型为基础，反推水环境承载能力，称此方法为“基于模拟和优化的控制目标反推模型”方法（A Simulation- and Optimization- Based Control Object Inversion Model），简称COIM模型。关于水环境承载能力的计算模型及方法详见《城市水资源承载能力——理论.方法.应用》（化学工业出版社，2005）。

2 城市水资源承载能力量化研究框架及关键问题

2.1 量化研究框架

基本思路：紧扣水资源承载能力概念，以“水资源系统、社会经济系统、生态系统相互制约（模拟）模型”为基础模型，以“维系生态系统良性循环”为控制约束，以“支撑最大社会经济规模”为优化目标，建立最优化模型。通过最优化模型求解（或控制目标反推）得到的“最大社会经济规模”就是水资源承载能力。我们称此方法为“基于模拟和优化的控制目标反推模型”方法（A Simulation- and Optimization- Based Control Object Inversion Model），简称COIM模型方法。

水资源承载能力计算框架简单表述如图2.1，表达了水资源承载能力量化研究“COIM模型方法”的基本思路。

COIM模型方法是把城市最大社会经济规模（即，这里代表水资源承载能力）作为目标函数，把水资源循环转化关系方程、污染物循环转化关系方程、社会经济系统内部相互制约方程、水资源承载程度指标约束方程以及生态与环境控制目标约束方程联合作为约束条件，建立起一个优化模型。通过该优化模型的求解，得到的目标函数值就是水资源承载能力。

在COIM模型中，水资源系统、社会经济系统、生态系统本身的复杂性和相互制约关系得到了体现，并且水资源承载能力概念所要求的“生态系统良性循环”也被作为一个约束条件包括在模型中。水资源承载能力的计算结果既可以采用优化模型求解来得到，也可以采用控制目标反推得到。

2.2 关键问题

针对上文介绍的COIM模型方法，主要有以下几方面的关键问题：

（1）目标函数选择问题

图2.1是水资源承载能力计算的一个框架图。如果水资源被开发利用后，能确保水环境及生态系统可承载，那么，这时的水资源系统处于可承载范围之内。根据这一最大范围就可以确定水资源系统能够支撑社会经济发展的最大规模，这就是水资源承载能力。

在此模型中，用最大的社会经济规模来表达水资源承载能力。所以，一般“水资源承载能力”不只是一个数值，而是由表征社会经济规模的一组数值组成的集合，如人口数、工业产值、农业产值、城市面积等。可以把“水资源承载能力”的集合表达为：

F={f1，f2，∧，fn} （2.1）

上式中，F为水资源承载能力；f1，f2，…，fn分别为社会经济规模的表征指标。为了叙述方便起见，下面只选择人口数、工业产值、农业产值三个指标来进行讨论。

从水资源承载能力的概念可以引申出：假如工业、农业及其它行业发展规模和用水量一定，可以通过人均用水定额来计算城市水资源最大供养的人口数，即得到“水资源人口承载能力”；再假如生活用水一定，可以通过万元产值耗水量来计算最大的经济发展规模，即得到“水资源经济承载能力”。实际上，在一定条件下计算水资源人口承载能力和水资源经济承载能力都是比较理想化的。因为它们都是假设在其它条件不变的情况下得到的结果。实际上，人口、社会、经济是一个十分复杂、相互联系、相互制约的大系统，应该把它们纳入一个大系统中来研究。

因此，针对COIM模型来说，首先遇到一个问题就是“目标函数选择问题”。到底是选择一个指标还是多个指标？一方面，它决定着模型的性质和求解方法的选择。如果是单指标，所建的模型是单目标优化模型，如果是多指标，所建的模型就是多目标优化模型；另一方面，它还影响到模型约束方程的选择。假如选择的是单目标（如人口），还要考虑其它表征社会经济规模的指标（如工业产值、农业产值）与已选择的目标（如人口）之间的量化关系，需要把这个量化关系方程作为模型的一个约束条件放到模型中；再一方面，目标函数的选择也反映了水资源承载能力关注社会经济系统侧重面的选择。一般，人们在分析计算水资源承载能力时经常用到“人口总数”指标，所以，在COIM模型中，常常选择“人口总数”最大作为目标函数。在这种情况下，需要建立“人口总数”与“工业产值”、“农业产值（或耕地面积）”等指标之间的量化制约方程。可以简单理解为，在一定条件下，如果人口数要增加，其所需的经济收入和粮食产量也应该随之增加，它们之间的比例关系可以用一个区间数来表达。并把这个量化制约方程作为模型的一个约束条件。通过这个方程，模型不仅考虑了“人口总数”单个目标值，也同时考虑了其它表征社会经济规模指标的变化。这样一来，在计算结果中，表达社会经济规模的指标也同样可以写出多个。

（2）基础模型问题

在上文介绍的COIM模型中，需要建立表征社会经济系统、水资源系统、生态系统变化及相互制约关系的量化模型，作为模型的约束方程，用于表达“社会经济—水资源—生态”耦合系统互动关系。由于耦合系统的复杂性，量化建立这样的基础模型十分不易。因此，建立COIM模型，必定会遇到基础模型问题。关于这一部分详细内容可参见有关文献。

为了表征水资源量之间的变化，需要建立水资源循环转化关系方程。包括大气降水量、蒸发量、地表水资源量、地下水资源量、各业引用水量、排放水量、跨区域调水量、流入本区水量、流出本区水量等等，建立各变量之间的量化关系和量化方程。用这些方程把水资源循环过程定量化地联系起来，从理论上满足水量平衡要求。

为了表征水中污染物运移转化关系，定量计算水体污染物浓度和排放污染物总量，需要建立污染物循环转化关系方程。包括各业污水排放量、污水处理量、污染物自净消耗量、来水污染物总量、出流污染物总量、地表水体污染物总量、地下水体污染物总量等等，建立各变量之间的量化关系和量化方程。用这些方程把水中污染物循环过程定量化联系起来，同时能定量计算某特定水体的污染物浓度和城市排放污染物总量，为“生态系统良性循环”判别约束方程提供计算基础。

社会经济系统是水资源系统承载的对象，其众多指标也是相互制约的，它们组成一个完整的巨系统。这个系统本身也是相互制约的，因此需要建立社会经济系统内部相互制约方程，以表达社会经济系统发展的整体趋势和相互制约关系。特别是当目标函数为单目标时，建立这种关系方程更为重要。另外，研究规划水平年的水资源承载能力，不仅要弄清楚水资源系统的变化，而且要结合社会经济系统的发展变化，需要站在变化了的自然和社会来分析未来的发展趋势。因此，水资源承载能力量化研究的另一个基础模型是对社会经济系统的模拟。

为了约束水资源利用量不能超出水资源可利用量，选用水资源承载程度指标约束方程，即用“水资源承载程度指标 ”来表达水资源对社会经济发展已经承受压力的程度，并要求 ≤1，以确保水资源的开发利用不会超出水资源可利用程度。

水资源承载能力控制目标强调的是生态系统的良性循环，但什么样的状态才算是生态系统良性循环？这就需要在模型方程中具体列出生态与环境控制目标约束方程，以表达生态系统的极限条件。

另外，考虑到水资源承载能力是建立在社会经济—水资源—生态复杂大系统之上，所以需要建立“社会经济—水资源—生态耦合系统互动关系量化模型”，以有机地表达这个耦合系统的运转关系。首先，把水量变化、水质变化与生态系统变化有机地结合起来，建立水量—水质—生态耦合系统模型。实际上，该模型是一个以反映水量循环为主的水量模型、以反映水质变化为主的水质模型、以反映生态系统状态和演变的生态系统模型以及三模型的耦合模型（左其亭等，2002）。其次，再把“水量—水质—生态耦合系统模型”与“社会经济系统模型”耦合起来，作为系统的结构关系模型，嵌入到优化模型中，参与优化模型的计算，也可以通过二模型的中间关系变量直接建立耦合系统的动力学模型（左其亭等，2001）。

（3）“是否可承载”的标准选择问题

这也是关系到水资源承载能力计算的一个关键问题。本书在定义“水资源承载能力”概念时，是以“维系生态系统良性循环”为判断目标。在实际操作时，用生态与环境控制目标约束方程来判断。但是，在该约束方程中，如何确定“是否可承载”的标准是问题的关键。上文已经介绍了应该控制的三个方面：一是，城市污水或污染物排放总量不得超出一定限度（即，总量控制）；二是，一定区域水体的水质不得超出水体本身水功能区的水质标准（即，浓度控制）；三是，城市相关河流的径流量不得小于河流最小基流量（即，满足生态用水）。如何定量确定控制目标方程是问题的难点。

篇4

从已有文献的理论和实证层次来看，社会融资总额、广义货币供应量、金融资产总量都是实体经济从虚拟经济系统中融获资金总额的度量，都可以作为虚拟经济规模总量的测度指标，但虚拟经济的发展是随着实体经济发展而发展，并且为实体经济发展服务。另外，从现有的虚拟经济与实体经济发展过程看，因两者定价系统的差异性使得虚拟经济与实体经济逐渐出现背离情况，虚拟经济呈现独立化的运动趋势(刘骏明，伍超明，2004)[4]，进而使得在对实体经济调控中，很难辨析指标的适应性。尽管实体经济的快速发展能够带来虚拟经济的繁荣，但是当实体经济走下坡路时，虚拟经济仍可能维持相对优势，所以社会融资总额、广义货币供应量、金融资产总量不一定都是对与促进实体经济发展需要的相应虚拟经济规模的准确测度。基于此，本文假设与实体经济发展关联性最强的虚拟经济规模总量测度指标为虚拟经济适度规模的准确测度指标。

虚拟经济规模总量测度指标适应性分析的理论模型

本文采用灰色关联度分析方法研究虚拟经济规模总量测度指标与下文所选取的实体经济发展指标之间关联程度。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间关联度就越大，反之就越小；灰色关联分析的基本任务是基于行为因子序列微观或宏观的几何接近，分析和确定因子之间的影响程度或因子对主行为的贡献程度（邓聚龙,2002）[5]。因此通过分析虚拟经济规模总量指标时间序列与实体经济发展指标时间序列曲线的几何接近，计算虚拟经济规模总量指标与实体经济指标之间的灰色绝对关联度、相对关联度、综合关联度来判断社会融资总额、广义货币供应量及金融资产总量对实体经济发展的贡献程度，从而筛选出最适合的虚拟经济规模总量的测度指标。

中国虚拟经济规模总量测度指标适应性的实证分析

指标描述与数据来源说明本文选取的虚拟经济规模总量测度指标为社会融资总额X1、广义货币供应量X2、金融资产总量X3。基于数据的可获得性，社会融资总额包括人民币各项贷款、金融机构有价证券及投资、股票筹资额、企业债券发行额、保险公司赔款及给付；广义货币供应量理论上包括M2、金融债券、商业票据、大额可转让定期存单，考虑到金融创新在我国暂未测算，因而本文的广义货币供应量的数据仅包含M2；金融资产总量由股票市场交易额、债券市场交易额、基金市场交易额、期货市场交易额、外汇市场交易额、房地产市场投机交易额（由商品房本年销售额减去住宅本年销售额代替）数据加总所得。本文是基于虚拟经济与实体经济适应性，进而对虚拟经济规模总量测度指标进行选择，故指标选择包括实体经济指标。根据反映实体经济发展情况和指标数据可获得性，实体经济发展指标选择国内生产总值Y1、货物进出口总额Y2、全社会固定资产投资额Y3、社会消费品零售总额Y4、存货增加值Y5。指标选取的时间维度为1998年至2010年，以此为时间维度是因为证券投资基金交易额统计从1998年开始，时间频率为年度数据。本文所选指标数据主要来源于中经网统计数据库，国家统计数据库。

篇5

1.引言

当今的时代是人类历史上发展最为迅速的阶段。生产生活从以农业为主转换到以工业为主，再到许多发达地区的以服务产业为主，每一个转变都有着跨时代的意义。经济的发展要以农业为生活物质基础，以工业为生产物质基础，才能够达到稳定持续的增长，才能够满足进军后工业时代的基本条件。

当代中国经济飞速发展，接连十年以上经济增长率始终保持在7%以上的高速率。而北京作为环渤海京津冀的中心城市之一，作为中国的经济中心，肩负着成为世界中心城市的重要责任。2009年，北京人均GDP达到10000美元以上，经济结构发生明显转变，是中国最先一批进入后工业社会的城市之一。研究其经济结构与经济增长的关系对促进中国其他城市的发展有重要意义。

2.研究内容和方法

本文运用规模报酬不变的Cobb-Douglas生产函数，利用EViews5.0软件，建立数量模型，并对其进行计量经济学和统计学检验，对北京经济结构与经济增长的关系进行研究，得出北京经济结构变动对经济增长的影响。

2.1 模型的建立

本文将从总供给的角度建立计量模型，研究经济结构与经济增长的关系。

首先，利用经济学中一个规模报酬不变的Cobb-Douglas生产函数（1）式表示资本存量和劳动力是如何决定生产能力的。

（1）

Y——产出

K——资本存量

L——劳动

?——资本的产出弹性

ε——随机扰动项，表示资本和劳动以外的其他生产因素对产出的影响

A——特定时期的技术结构特征

然后，将（1）式左右两边同除以L，得出人均产出函数：

（2）

再另y=Y/L ，k=K/L，得出规范式：

（3）

产业结构、投资结构和消费结构统一组成经济结构，因此所建模型应表现出它们的变化是如何通过影响资本效率或经济规模刺激经济增长的。设定模型如下：

（4）

x1——产业结构特征，用第三产业就业人员比重×100代入

x2——投资结构特征，用基础设施投资占固定资产投资的比重×100代入

x3——消费结构特征，用北京城市居民恩格尔系数代入，即北京城市居民食品支出/城市居民消费性支出×100

y——人均地区生产总值

k——人均资本拥有量

a1、a2、a3 ——产业结构、投资结构和消费结构变化对资本产出效率的边际影响参数

b1、b2、b3 ——产业结构、投资结构和消费结构变化对经济规模的边际影响参数

最后，将（4）式左右两边同取对数，得出模型：

㏑y=㏑A+（a1x1+a2x2+a3x3）㏑k+（b1x1+b2x2+b3x3）+ε （5）

2.2 数据与初步模型计量结果

根据《2010北京统计年鉴》的数据，计算并整理得到1978-2009年的相关数据。

利用这些数据和EViews5.0软件，对（5）式进行最小二乘法的回归分析。

结果显示，变量x1*log（k） 、x2*log（k）、x1、x2在5%的显著水平下没有通过t检验，模型存在自相关等缺陷，接下来要对其进行检验与改进。

2.3 模型检验

用怀特法（White）检验异方差，结果表明在60.29%的显著性水平下接受不存在异方差的原假设。

用拉格朗日乘数法（LM）检验序列相关性（Obs*R2=10.12122；Probability=0.006342），LM统计量显示，在5%的显著水平下拒绝原假设，回归方程的残差序列存在序列相关性。

用ARMA模型消除序列相关，结果如下：

表1 模型计量结果eq11

变量 t值 概率

C 4.71 0.0001

X1*LOG（K） 2.21 0.0386

X2*LOG（K） -3.04 0.0064

X3*LOG（K） 9.44 0.0000

X1 0.06 0.9524

X2 3.56 0.0020

X3 -6.50 0.0000

AR（1） 8.77 0.0000

AR（2） -6.36 0.0000

MA（1） -9.40 0.0000

LM统计量显示，在5%的显著水平下接受回归方程的残差序列不存在序列相关性的原假设。

通过表1可以看出x1的t检验的概率大于0.05，为极不显著，先去掉这个变量，（5）式变为：

㏑y=㏑A+a1x1*㏑k+a2x2*㏑k +a3x3*㏑k+（b2x2+b3x3）+ε （6）

得出如下回归结果：

表2 模型eq12计量结果

变量 t值 概率

C 10.99 0.0000

X1*LOG（K） 8.90 0.0000

X2*LOG（K） -3.62 0.0016

X3*LOG（K） 11.71 0.0000

X2 3.82 0.0010

X3 -8.11 0.0000

AR（1） 9.04 0.0000

AR（2） -6.58 0.0000

MA（1） -9.93 0.0000

表2中，常数项、各个变量的t检验的概率均小于0.01，通过显著性检验。

拟合优度检验，说明方程的拟合优度相当高。

F检验的概率约等于0，说明方程通过显著性检验，该方程有意义。

观察变量的简单相关系数矩阵，用Klein判别法检验多重共线性，不存在，即没有多重共线性。

再用方差膨胀因子VIF检验多重共线性，vifx1lk=22.79>10，vifx2=3.02，vifx2lk=43.82>10，vifx3=1.29，vifx3lk=9.05。x1*ln（k）与x2*ln（k）存在多重共线性。

结合testdrop检验：eq12.testdrop x1*log（k） ： p=0.000；eq12.testdrop x2*log（k） ： p=0.002。两个变量都不能去掉。

用逐步回归法筛选解释变量（下式中c为常数项），

log（y）= c + x1*log（k） ---eq01，；

log（y）= c + x2 ---eq02，；

log（y）= c + x2*log（k） ---eq03，；

log（y）= c + x3 ---eq04，；

log（y）= c + x3*log（k） ---eq05，；

由于eq01的回归系数最高，所以先选定变量x1*log（k），然后逐渐加入变量。

Eq01+x2*log（k），，AIC=-0.4660；

eq01+x2*log（k）+x3，，AIC=-0.5425；

eq01+x2*log（k）+x3+x3*log（k），，AIC=-1.4139；

eq01+x2*log（k） +x3+x3*log（k）+x2，，AIC=-1.4262。

但使x2*log（k）的系数变负，说明x2与x2*log（k）相互严重影响。若单独去掉其中一个，回归结果不如模型eq12。若都去掉，建立回归方程eq13，与模型eq12作比较：

eq12 AIC=-2.314 DW=2.64 MAPE=9.80%

eq13 AIC=-1.927 DW=2.21 MAPE=9.72%

通过比较得出，两模型各有优劣，难以决定取舍。

用ADF检验各个变量，发现lny、x1*lnk、x3*lnk、x3在10%的显著水平下都是一阶单整，x2与x2*lnk为0阶单整。舍去x2与x2*lnk之后，lny与x1*lnk、x3*lnk、x3可能存在协整关系，用格兰杰因果关系检验，结果显示，在10%的显著水平下，x1*lnk、x3*lnk、x3对Lny存在格兰杰因果关系。

检验残差的单整性，uroot（n） e13：p=0.08

表明以上变量之间存在（1，1）阶协整，不是虚假回归。

（6）式变为：㏑y=㏑A+a1x1*㏑k +a3x3*㏑k +b3x3+ε （7）

用Chow检验验证回归模型结构的稳定性。结果显示，F统计量的概率接近0，说明存在显著的结构变化。但结构变化后的判定系数为0.988，并没有提高。1978-1992的MAPE=4.72%，1993-2009的MAPE=3.61%，优于原来的9.72%。所以，回归模型需要分段。

我们主要需要后半段的回归方程，所以只研究1993年-2009年的部分。回归结果如下：LM检验p=0.668>0.05，不存在序列相关性；DW=1.9955，近似于2，不存在自相关；各个自变量在5%的显著水平下均通过检验；回归定义错误检验（误设定检验），RESET（1）——F检验的p=0.5678，不存在误设定；，拟合优度较高。

最终得出体现北京市经济结构特征的生产函数的估计模型：

其中，A==22.7544

3.结论

产业结构x1对资本效率k的弹性为0.00529，表明北京第三产业就业人员比重与资本效率成正相关，也就是北京第三产业就业人员比重增大，会导致资本效率的提高。x1对经济规模的影响不显著。这是由于近年来北京的产业结构调整主要是第二产业向第三产业转移，第三产业劳动生产率略高于第二产业，第三产业不再依赖规模扩张来提高劳动生产率，技术密集度与资本密集度都得到了显著的提高。

投资结构x2 对资本效率k的弹性影响不显著，表明北京基础设施投资占总投资比重与资本效率没有太大关系。x2 对经济规模的影响也不显著，表明北京基础设施投资占总投资比重与经济规模无太大相关性。这是因为政府的投资对民间投资具有一定的挤出效应，表现在两个方面：其一，政府投资无法直接进入到实物的生产中，不能立刻产生效益；其二，政府资金的投入会导致中小企业无法获得资源，造成挤出效应。且该效应的影响过于广泛，使得基础设施投资实际应带来的影响被掩盖了。

消费结构x3 对资本效率k的弹性为0.012525，表明北京食物消费占总消费比重与资本效率成正相关，但由于食物占比越低，消费结构越优化，所以消费结构的优化与资本效率成负相关，即食物消费占比下降、消费结构优化，反而会降低资本效率。x3 对经济规模的弹性为-0.04588，表明北京食物消费占总消费比重与经济规模成负相关，即食物消费占比下降、消费结构优化，可以扩大经济规模。

当北京第三产业就业人员增加1%、食品消费占比增加1%时，资本的产出弹性将分别增加0.529×10-2、1.2525×10-2个百分比，消费结构调整对资本效率的影响最大；食品消费占比减少1%时，经济规模将扩大4.588×10-2个百分比，消费结构调整对经济规模影响最深。

当前应该提高第三产业比重和食品以外消费品的资本效率，优化消费结构，扩大经济规模。

参考文献：

[1]北京市2010年度统计年鉴.http：///tjnj/2009-tjnj/.

[2]段霞.建设世界城市要注意发展的阶段性特征.中国城市发网，2010-03-25.

[3]高铁梅.计量经济分析方法与建模[M].清华大学出版社.

[4]龚仰军.上海经济发展中的产业结构优化研究[J].上海财经大学学报，2003，05.

[5]李霞.产业结构与经济增长的关系[J].唯实，1998（8，9）.

[6]全球城市竞争力报告（2009-2010）新闻通稿.

[7]深圳产业结构调整正在强力推进[N].深圳特区报，2008-09-03.

[8]首都中长期人才发展规划纲要（2010-2020年）.http：///a/20100803/000077.htm.

篇6

旅游业概念之所以难以确定,主要是因为旅游业涉及的行业广泛。但基本上可以分成吃、住、行、游、购、娱等几个部分。因此,旅游业应主要包括旅游餐饮业、旅游住宿业、旅游交通通讯业、旅行社业、旅游购物经营业、旅游观赏娱乐业等几大部分。其中,旅行社、旅游交通及旅游酒店被看作是旅游业的三大支柱产业。另外,虽然各级旅游管理机构和旅游组织不直接盈利,但由于它们在旅游业发展中不可替代的作用,也应纳入旅游业的构成之中。

综上所述,旅游业的定义可以做如下的描述:以旅游资源为凭借、以旅游设施为条件,向旅游者提供旅行游览服务的行业。旅游资源、旅游设施、旅游服务是旅游业赖以生存和发展的三大要素。

2.经济效应。随着旅游业的发展,它的经济效应逐渐显现出来,引起学术界的广泛关注,旅游业经济效应是指旅游活动对旅游地(目的地)经济的影响。它涉及到旅游收入、旅游就业、旅游目的地的经济增长、关联企业收入、关联行业就业、目的地居民生活水平提高等各个方面。换而言之,是旅游者的消费对旅游目的地经济各种影响的总和。

二、旅游业经济效应分类

1.按照产生时间。旅游业经济效应按照其产生的时间,可分为即时经济效应和滞后经济效应。

即时经济效应随旅游收入流入旅游业内相关行业,能够在第一时间监测到。比如景区的门票收入。

滞后经济效应是指目前看不到、摸不着的,潜而没发的经济效应,它在时间上有一个滞后性,经历一个逐渐积累的过程。

2.按照经济价值。旅游业经济效应按照其经济价值,可以分为积极经济效应和消极经济效应。

积极经济效应是指旅游业对旅游地经济发展带来的积极(有利)影响。比如,随着旅游业的发展,会给旅游地带来可观的经济收入,带动当地的经济发展,促进居民就业。

消极经济效应是指旅游业对旅游地经济发展带来的消极(不利)影响。比如,由于旅游业的发展,会带来旅游地物价水平的提高,而它的涨幅超过了当地居民生活水平的涨幅,就会给当地居民带来生活上的负担。

另外,按照发展的观点看待积极经济效应和消极经济效应,它们并不是一成不变的,可能会随着时间而变化,所以必须用动态的观点看待这个问题。

3.按照表现形式。旅游业经济效应按照其表现形式,可分为显性经济效应和隐性经济效应。

显性经济效应又称为直接经济效应,是指旅游业的的发展引起的经济收入增加,就业岗位增加等外在的、能直接表现出来的经济效应。这些从当年旅游年鉴统计数字就能知道。

隐性经济效应是指因为旅游业的发展,带来的经济效应,但在形态上检测不到,主要包括诱导效应和间接经济效应。旅游者在旅游地的一系列消费活动,都会带来区域内经济收入的增加,把旅游地居民消费再次促进旅游地经济水平增长的经济效应称之为诱导效应。

三、影响旅游业经济效应的因素

在旅游业发展过程中,影响经济效应的因素很多。根据布伦?阿彻尔(Archer)教授等人观点,影响旅游业经济效应的因素主要有以下几个方面:

1.消费金额。旅游者在旅游地消费的金额决定着对经济效应影响的大小。旅游者在旅游地消费的金额越多,对当地的经济效应越明显;反之,则对当地的经济效应越小。所以,旅游消费是影响经济效应的根本因素,也是关键因素。它是旅游地经济效应的外生变量。但是,值得一提的是,当旅游消费金额达不到一定数量时,其经济效应变现得不够明显。

2.消费结构。旅游者在旅游地的消费结构对经济效应中的收入效应和就业效应影响特别大。旅游者在旅游地的吃、住、行、游、购、娱六要素对当地的餐饮业、宾馆业、交通业、景区、商业和公共服务业带来可观的收入效应,同时还促进了就业。在消费结构中,如果用于吃、住、行在六要素中所占的比重过大,那么用于游、购、娱的花费较小,那么目的地的旅游直接经济收入就会减少,这对当地国民生产总值的增长也会减小,进而对就业带来不利影响。如果要促进旅游地GDP又好又快增长的话,必须调整好消费结构。

篇7

作者简介:张洪（1958-），男，四川成都人，云南财经大学城市管理与资源环境学院院长，硕士研究生导师，研究方向：城市经济与房地产。

中图分类号：F293.3文献标识码：A文章编号：1672-3309（2008）05-0005-04

最近几年, 我国的城市房地产行业飞速发展,在诸多因素的影响下，全国范围内的房价呈现出整体增长趋势，少数规模较大的城市引涨着中国的房价。原因在于：规模较大的城市，会产生明显的聚集效应，这将会给当地的房地产市场发展带来外部经济效应，对住宅的消费需求增加，也促使这个城市的房地产价格上涨。然而，房地产发展的外部性也包括外部不经济，城市规模不断扩大，人口密度必然增大，由于土地面积的限制，这就造成了拥挤成本，规模效应被拥挤成本的增加而抵消。由于拥挤而造成物价和房地产价格普遍上升，因此要限制部分城市房价的上涨也要限制城市规模的不断扩大。

一、文献回顾及理论基础

国内文献认为，城市规模就是指城市的大小，它涵盖经济规模、人口规模和用地规模3种涵义。经济规模是指城市中聚集的物质与经济要素的数量；人口规模是指城市人口的数量；用地规模是指城市建成区的土地面积。一定的经济规模吸纳着一定的人口规模，而一定的人口规模又要求有一定的土地规模。三者相互作用，互为因果。国内外对房价影响因素的研究有很多，其中很多经济因素均反映城市规模，相关的研究文献有：国外Bartik(1991)最早提出，房价增长直接受人口和就业增长的影响，并指出，这些动力因素对房价的影响程度是不同的；Poterba(1991)最早提出，收入对房价上涨影响最为显著；中国社科院高晓惠认为（2003），人口因素对房价的影响主要表现在人口数量、人口流动情况、人口结构和家庭规模；李琳和李园(2005)认为，城市人口规模的扩大会促使房价上涨；郭金兴（2005）认为，不同地区的房地产价格取决于当地人口数量和经济规模等。

要研究城市经济与房地产市场的关系的理论基础源于区域经济增长的三部门模型。该模型将区域经济分为3个市场：产出市场、劳动力市场和房地产市场。在完全市场经济条件下，区域经济增长的程度和速度是决定房地产市场发展的决定因素。

从市场角度看，推进区域经济发展的主要因素有两个:对该区域产品的需求和该区域生产要素的供给。城市规模与房地产关系的理论框架如下：

二、房价与城市规模相关关系的实证分析

（一）指标选取和数据描述

本文考察的35个大中城市包括我国大陆地区的30个省会城市和直辖市以及大连、青岛、宁波、厦门、深圳5个计划单列市。

本文主要的被解释变量即为城市住宅的平均销售价格，根据城市规模的三层含义，选用以下指标作为解释变量带入模型中:

（1）人口规模：本文选取市区非农业人口作为衡量指标。

（2）建设用地规模：选用建成区面积反映各个城市的建设用地开发规模。

（3）经济发展规模：选取年底居民储蓄余额、GDP以及居民的人均可支配收入作为城市经济规模的衡量指标。

本文使用的数据是二维的，因“Panel Data模型”能同时利用时间序列数据和横截面数据，并有效控制由于观察值的个体特征而造成的样本内部非均衡性问题，故而采用该模型。数据来源于《中国统计年鉴》、《中国城市年鉴》，时间跨度为2002-2005年4个年份。为了消除数据的异方差性，文章中对数据求对数，后进入模型进行数据分析。此外，在进行面板数据处理中，为了消除模型存在的自相关性，取因变量的滞后变量进入模型。因此，本文最终采用的计量经济模型为：

lny=ϑ＋β1 ln renkou+β2 ln gdp+β3 ln shouru+β4 ln sav+β5 ln area+β6 ln touzi+β7 ln xs+ar（n）+ε

(变量定义：renkou:市区非农业人口,shouru:人均可支配收入，sav：居民储蓄余额，area：建成区面积，touzi:房地产投资，xs:房地产年均销售面积，ar(n):房价的滞后变量，n=1，2)

（二）35个城市总体分析

1.数据特征描述。将35个城市的各个选取的经济指标进行简单的数据处理，得出的数据特征如下表：

从上面数据特征表看，全国2005年房地产价格的平均水平为3197.51元/平方米，标准差为1436.45元/平方米，说明房价在全国范围内存在较大的区域性差异。房价最高的是深圳市，每平米6996元，最低的是呼和浩特市，每平米1541元，仅为深圳的1/5。

从城市的人口规模上看，我国大中城市平均人口为278万人，市区非农业人口过800万的为上海、北京，其房价约为各城市平均价格的2倍，但如深圳、大连、厦门等城市人口低于平均水平，但其房价平均为平均水平的1.6倍，这也说明人口规模与房地产价格的关系没有很强的规律性。

从城市的经济规模上看，按2005年GDP和年底储蓄余额统计，上海、北京、深圳、广州是经济规模最大的城市，4个城市的平均房价为6224.25元/平方米，是35个城市平均水平的1.95倍，经济规模最小的5个城市为西宁、银川、海口、贵阳、呼和浩特，房地产价格平均为1926元/平米，为城市平均水平的0.6倍，说明经济规模与房地产价格存在较明显的相关性。

从城市的土地利用规模上看，城市的大规模基本建设与房价的上涨存在紧密的互动关系，这几年房价涨得快的城市，无一例外是正在大搞城市建设的地方。从2005年数据上看，同样是北京、上海、广州、深圳4个城市的建成区面积最大，房价也最高，与房价的相关系数为0.732，说明城市规模的扩张与房价上涨存在显著相关性。

总之，从全国范围来看，城市规模为城市房价增长的关键因素，为了验证规模不同的城市商品住宅价格的影响因素有何差异，以下将通过把城市按人口规模分为4类，深入分析城市规模与房地产价格之间的相关性特点。

2.城市分类分析。对于城市规模的分类，国际上有不同的标准，我国是按照城市市区非农人口规模分组，本节也利用市区非农业人口规模进行分类，将35个城市分做4类，分类结果见下表：

分别对4类城市进行面板数据的回归分析，得出：

1.第一类城市模拟回归方程结果显示，人口规模在400万以上的城市房价与城市经济规模相关性较为显著，具体是受GDP、人均可支配收入、房价滞后一期正相关，与居民年末储蓄余额呈负相关。

2.第二类城市模拟回归方程显示，人口在200万-400万之间的城市房价主要受房地产投资、个人可支配收入以及自身的滞后一期显著相关。

3.第三类城市模拟回归方程显示，人口在100万-200万，房价与房地产投资、个人可支配收入正相关，与房价的滞后一期正相关，与其滞后2期呈现负相关。

4.第四类城市模拟回归方程显示，35个城市中100万以下的城市数量最少，代表性较弱，从数据的分析上看，该类城市的房价与投资、销售呈正相关，与储蓄呈负相关。

三、结论及建议

经上述数据分析，从35个城市总体情况来看，只有城市人口规模与房价之间没有显著的相关性（相关系数0.566），但是城市建设规模以及经济发展程度与住宅价格相关系数分别为0.732、0.838，相关性较为明显，可以说明城市规模是房地产市场发展的关键因素。但是通过将35个城市按人口规模进行分类，数据分析结果表明，对于不同规模的城市，经济规模和购买能力是影响各地房地产价格的重要因素。

从理论上讲，人口规模扩大促使城市用地规模扩张，对房地产的需求随之增加，房地产价格自然上涨，但是人口及建成区面积均没能进入4类城市的回归模型，主要是因为目前人口的流动性增强，各城市统计的户籍人口数量与实际的常住人口有差距，而对房地产的需求是由当地全部从事各类活动的常住人口数量决定的；此外建成区面积相近的城市，由于区域分布不同，房价也会相差甚远，但是对单个城市房价影响因素的研究，建成区面积每年的递增代表城市的扩张程度，是一个不可或缺的研究对象。

综上所述，在代表城市规模的众多指标中，经济规模成为影响城市房地产市场发展的最关键因素，其中包括GDP、储蓄、房地产投资、房地产销售面积、个人可支配收入等指标，鉴于此，提出如下建议：

1.严格控制大城市规模。对于人口规模不同的城市，房价上涨的因素各有不同。因此促进城市房地产市场的健康发展也要因地制宜。对于人口规模在400万以上的超大城市，房地产市场体系较为成熟，但存在的问题是，人口不断聚集、城市快速扩张会进一步加重“城市病”，此外，人口越多，住房供需缺口也越大，而且受地价的影响，越是人口密集的市区，房价越高，住房问题也越难解决。因此对这些城市要严格控制城市建设规模，促使房地产市场健康良性发展。

2.正确进行投资引导。对于人口规模在400万以下的城市共同的特点是：房价与投资具有显著的相关性，这说明中国大多城市存在房地产投资过热现象，促使房价上涨过快。因此政府要正确进行投资引导，可以鼓励城市扩大中低价商品房和经济适用房的建设规模，满足普通市民改善居住条件的愿望。此外，压缩高档住宅的用地供给，将房地产投资引入科学理性的轨道。

3.发展区域经济。对于分布在西部，人口规模在100万以下的城市，房价与个人可支配收入相关性较弱，说明该类城市居民的住房购买力不强，因此对于此类城市应是积极发展城市经济，提高低收入家庭的购房能力，激活房地产市场，带动区域经济发展。

4.信息透明，规范交易环境。加强市场监管和信息化建设，建立公开、透明、规范的房地产市场交易环境。通过全面、及时、准确地向房地产开发商和消费者提供市场信息，避免对房价的投机炒作行为，引导市场理性发展。

参考文献：

［1］ 张红.房地产经济学讲义［M］.清华大学出版社，2004.

［2］ 郭金兴.房地产的虚拟性及波动性研究［M］.南开大学出版社，2005.

［3］ 崔新明.城市住宅价格的动力因素及其实证性研究［M］.经济科学出版社，2005.

篇8

台北市信息中心主任张俊鸿对此表示，除了系统开发、维护、信息安全防护等工作，信息中心要做的工作还相当多，受限于资源，信息外包是政务单位必然的选择。

在判断信息系统该不该外包时，张俊鸿认为，可以从3个角度去衡量，包括重要程度、成本与经济规模，以及是否为核心能力。毋庸置疑，重要系统肯定自己维护。以政务机关来说，像行政、民政、工商税务处等与个人隐私息息相关的系统，安全性要高，保密性更高，这些比较难外包。

信息外包是必然选择

至于成本与经济规模，一个系统如果能够让尽可能多的单位使用，经济规模就最大，所花经费除以单位数后就知道划不划算，台北市有数百个政务单位，每个单位的单位成本都必须受到控制。

台北市信息中心有信息工作人员30~40名，服务对象却包括400多个各级机关单位和学校。其中，行政体系有3~4万人，学校规模更为庞大，除教职员还有约7~8万名学生，信息人员与服务人数比例明显悬殊，与信息化先进标准2.5％~5％的比例相比少一半以上。张俊鸿表示，政务信息单位普遍缺乏人力与预算，外包成为必然的考量。

尤其是政务单位的信息预算普遍太低，只占整体预算的1.3％，网络、系统、硬件、耗材、信息安全等林林总总加起来，要做的事情很多，每个人每年平均只分到20000元新台币（折合5000元人民币），每个月不到2000元新台币，人力、物力不足是政务信息外包的主因。

举例来说，美国政府前4年大幅度增加IT外包预算。2002年，他们的IT外包费用为66亿美元，到2007年预计150亿美元，以年均18%的增长率剧增。布什政府2004财年的IT预算为593亿美元，这意味着需要雇用和培训IT人员来管理5000个数百万美元的技术项目。

2003财年(从2002年10月开始)，美国政府的IT预算是526亿美元，用来支持核心业务。2004财年政府的IT预算是593亿美元。与此同时，美国各方面积极为电子政务外包服务提供相应的法规环境，并表示将营造对外包服务商更为有利的环境。

在台北，目前所有的公共信息网、电子公务系统等通用信息系统一定外包，以创造经济效益最大化，但是多个系统跨平台连结的问题也跟着浮现，终于在2005年委托厂商开发单一进入系统，采取账号密码与身份认证卡并行制作为人员账号与权限管理。

张俊鸿表示，每台PC都配备卡片阅读机，采用身份认证卡固然方便，因为每次进入系统都要插入卡片，操作上太麻烦，所以就规定员工早上来先以身份认证卡录入，上班时间就以账号密码登入，但下班时间过后账号密码权限自动消失，必须重新以身份认证卡进入，员工还可以自己上系统检查每天登录的次数与纪录。

外包势在必行

核心能力方面，则要看单位规模，以及具不具备培养人才的能力，如果员工离职，是不是有办法递补？自己做是不是能比厂商做得更好？像是信息安全的部分，张俊鸿便认为外包比较有效益。

他表示，信息安全工作固然重要，但技术变化快速且门槛高，显然信息安全不是政务机关的核心能力。由专业厂商来做会比自己做得好，各单位自己做也不具经济规模，委托外面的专业团队来做是很自然的选择。

“除非由上级出面，成立一个专门服务所有政务机关的信息安全团队，以集中控制、集中训练、集中研发的方式，开始培养专门的组织团队，当这个团队可以做得比外面厂商好时，信息安全才有可能变成政务单位的核心能力。当服务范围扩及所有政务机关，经济规模达到一定程度时，单位成本就自然降低。”他说。然而，目前政务部门还没有办法做到这样的程度。

目前台北市政务信息安全的相关工作中，几千台、几万台个人计算机的终端管理就是一笔不小的支出，像是PC的防毒、防黑客、防木马、防垃圾邮件，再加上账号密码与存取权限的管理、系统的单一嵌入等，要做的事情相当多，都不是几万、几十万元可以做到的，预算有下限，很难真正做到滴水不漏。现在已经将部分客户端的防毒、防黑客业务外包，正在逐步加强服务器端的安全性，让终端设备的信息安全投入成本降低。

据了解，在美国，越来越多的机构和部门也将其非核心业务以服务合同的方式外包出去，以寻求优质的专业服务提高工作效率。美国人将这种外包服务称为“可管理的服务”，委托方通过单一的合同方可以获得多种IT服务。这种服务可以将委托方从信息系统的运行与维护中解放出来，使它们能够集中精力完成自己的核心业务。

建设一个大规模的软、硬件结合的系统，购买支持设备来运行这个系统，不仅需要花费大量的一次性投资，同时需要建立一支费用昂贵的专业队伍，还需要每年投入大量的运行费用。而外包服务不仅可以节约大量的初始投资，而且像使用水、电、煤气、道路交通等公用设施一样方便，委托方购买的是一种服务。显然，从经济、效能的角度考虑，IT服务外包将是大势所趋。

不断监控滴水不漏

对于政务信息安全工作的范围界定，张俊鸿有不同的看法，像政务网站的安全防护，因为是民众最常接触的一块，又等于是门面，一旦被黑客入侵或被恶作剧更改，很容易被视为信息安全防护不周。

政务单位最常见的就是网站被黑，政务网站被张俊鸿视为是民众的公布栏兼留言板，要让民众自由出入及公开发言。

“但现在大家都过度夸大了网站被黑事件。只为了守护网站门面而大大增加信息安全支出成本，究竟有没有矫枉过正？网站安全重要还是信息重要？都是很值得大家深思的问题。”他说。因此，台北市将网站的安全控制中心（SOC）全权外包，希望通过专业厂商进行7×24小时的安全监控与实时响应。张俊鸿表示，与系统安全整体投资相比，网站的信息安全花费算是少的。

他指出，一旦网站门面被擅自更改，快速恢复与实时应变都远比重重安全防护重要，交由专业团队处理就能达到实时发现、实时响应。网站就是要让民众网站进出，重要系统都在内部，受到防火墙与VPN的基本保护。

不过，他也强调，以SOC的服务来看，厂商必须建立具有经济规模的服务团队，具有服务一定数量厂商的能力，通过经济规模降低每一个用户所需支付的费用，才能让SOC更加平易近人，不然一般企业或政务机关仍然无法负担。

外包SLA评估

扣点扣钱作为把关

另外，既然要外包，如何评估厂商服务品质（SLA），台北市有行之有效的一套做法：先是将外包分为专业型与服务型，通过不同的差错扣钱制度来监督外包厂商，一旦外包厂商出现服务瑕疵就扣点、扣钱。续约评估则是透过每年固定的使用者满意度调查及监督委员会评分，两者相加如果超过80分就可以续约。

他认为SLA是一种警示作用，目的在协助厂商提升自己服务的能力，并不是真的要把厂商的钱扣光。因为张俊鸿相信“一件事情要做超过21次，才会变成本能”的理论，不管是信息人员、外包厂商，如果没有机会作业超过21次，如何要求他们完全不犯错？

政务安全认证

亟需分层落实

篇9

一、全球虚拟经济规模

（一）虚拟经济的界定

虚拟经济是与实体经济相对而言的经济运行方式，是虚拟资本进入虚拟经济部门循环运动而发生的经济交易活动的总称。任何以货币衡量的财富都可能进入虚拟经济的运行领域，通过交换发生价值增殖，因此，对虚拟经济规模的测量具有一定的难度。但是，股票、债券、金融衍生品、房地产和收藏品市场都采用资产化定价方式，是构成虚拟经济的主要组成部分，本文将上述领域作为虚拟经济的代表性部门，将其市场价值总和定义为虚拟经济的总体规模。全球虚拟经济规模是一个静态变量，对该时间序列的分析体现了全球虚拟经济的发展轨迹。将全球虚拟经济规模与全球实体经济规模相比较则体现了虚拟经济的相对增长和波动特征。此外，为了从动态上把握虚拟经济的活跃程度，虚拟经济的交易率也是衡量其规模的重要变量。

（二）全球虚拟经济总量测度

根据在虚拟经济中的重要程度和活跃度，本文选取全球股票市场、债券市场和金融衍生品市场的市场价值数据作为衡量虚拟经济整体规模的静态指标。由于国内生产总值GDP主要计算的是农业、工业和第三产业的产值，涵盖了实体经济的主要范畴，因此，我们以虚拟经济规模与GDP的比值作为经济虚拟度指标来反映虚拟经济对实体经济而言的相对规模。

截至2010年底，全球虚拟经济的整体规模已经突破2000万亿美元，相对规模达到实体经济的34倍。其中全球金融衍生品市场份额最大，虽然股票和债券市场也已经接近或超过实体经济总量，但在虚拟经济的整体规模中所占份额很小。同时，全球虚拟经济仍在高速增长，2010年的增长率达到21%，远远高于实体经济的增长率，金融衍生品市场则是虚拟经济最为活跃的交易市场。

二、虚拟经济全球化与实体经济周期波动

（一）全球虚拟经济波动

全球虚拟经济规模的高速膨胀是否影响了世界经济周期的发展态势和波动特征？为了解答这一问题，就要考察虚拟经济的发展轨迹与实体经济周期波动的相互关系。考虑到虚拟经济中的证券市场部门发展相对成熟，以及数据的可获得性，我们以股票市场和债券市场总规模作为代表虚拟经济的变量，同时仍以GDP代表实体经济。在考察两个变量的变化时，由于原始数据非平稳，需要进行去势处理，本文采用主流方法HP滤波技术，去除序列的趋势项（图1）。

从规模发展来看，1989年全球证券市场规模略大于实体经济，但差距不大。20世纪90年代，虚拟经济的发展逐步背离了实体经济，整体规模迅速膨胀。到2010年，证券市场的名义市场价值已经达到GDP的两倍以上。从全球虚拟经济波动与实体经济周期的互动关系来看，大部分时期虚拟经济的波动变化领先于实体经济，实体经济波动有约1年的滞后期。但是也有例外，1995—1997年和2001—2003年，两者发生了同步波动，而1998—1999年虚拟经济的高速增长并没有带动实体经济同期或下一期的正向波动，表明这一时期实体经济的发展更多是受到贸易、投资等其他因素的影响。此外，虚拟经济的波动性更大，虚拟经济下滑往往导致实体经济增长放缓。随着虚拟经济波动性的增强，世界实体经济的波动幅度也在上升。当采用不变价格计算的GDP数据时，这种趋势更加明显。

（二）不同虚拟资本交易市场对实体经济周期波动的影响

为了考察不同虚拟经济交易方式对实体经济波动的影响，我们分两步描绘出股票市场、债券市场和金融衍生品场外交易市场（OTC市场）以及实体经济周期的波动特征，首先对时间序列取对数来消除量纲，然后采用HP滤波剔除趋势项得到波动分量（图2）。

变量处理结果显示，与各交易市场的剧烈波动相比，实体经济的波动幅度极为平缓。2004年后，各虚拟资本交易市场的波动逐渐呈离散态势，同时实体经济的波动开始上升，表明在虚拟经济剧烈波动影响下实体经济波动性增强。从具体交易市场情况来看，尽管债券市场的规模大大超过股票市场和OTC市场，但波动幅度却最小，其滞后一期与GDP的周期波动趋势相似。股票市场在1999年之前相对平缓，此后开始大幅震荡。规模最小的OTC市场波动最为剧烈，2008年出现爆发性增长，2010年又迅速跌入低谷，体现了虚拟经济的高度不稳定性。

接下来我们采用Eviews6.0软件对各变量的皮尔逊相关系数进行测算，进一步分析各金融市场时间序列的滞后一期与实体经济波动是否存在相关关系，运算结果见表2。

我们把1989—2010年划分为两个阶段，第二阶段虚拟经济与实体经济波动的相关性显著高于第一阶段，显示两者关系日益密切。股票市场与GDP在第一阶段为弱负相关，第二阶段转变为显著正相关，这反映了上世纪末虚拟经济的全球化趋势尚不明显，而2008年席卷全球的金融风暴则在整体上影响了实体经济增长。债券市场在两个时期都与实体经济波动存在高度正相关，这可能是由于债券交易市场是虚拟经济部门中泡沫化程度较低的部分，与实体经济的联系最为密切。OTC市场与实体经济增长不存在相关关系，说明金融衍生品市场的泡沫化程度最高，其波动经常与实体经济的发展相背离。同时我们注意到，债券市场与股票和OTC市场波动都存在弱正相关关系，股票市场和OTC市场之间却为负相关，这说明债券市场与实体经济和虚拟经济的其他部门都有密切联系，起到两者的中介作用。

三、虚拟经济全球化对中国的影响

（一）我国虚拟经济发展现状

中国金融市场经过长期发展已初具规模，截至2011年，沪深两市股票成交金额为42万亿元人民币，国债交易额20万亿，期货交易额138万亿，三者总计达到GDP总量的4倍多。然而我国虚拟经济的发展程度与发达国家甚至一些发展中国家相比还有很大差距。举例来说，各种消费信贷本质上是将个人未来的收入流提前资本化的一种金融契约，是虚拟经济融入个体消费的一种表现形式。我国1997年的住房按揭贷款余额为190亿元，2006年底上升到2.2万亿元人民币，约为GDP的11%，而同期美国的按揭贷款达到13万亿美元，是其GDP的100%。但是相关研究认为我国消费信贷增长速度很快，美国波士顿咨询公司就大胆预测，到2015年，中国消费信贷规模将由2010年的7万亿元人民币扩张到21万亿元，而美国2012年的消费信贷规模为2.5万亿美元。

目前，我国正处于虚拟经济与实体经济共同发展的初级阶段，主要表现为：虚拟经济规模逐步扩张，有较大上升空间，开始对实体经济发挥影响，但虚拟经济总量占GDP比重仍然有限，相关的市场建设与监督机制尚不完善，与成熟市场经济国家相比存在较大差距。

（二）中国金融市场国际化

尽管我国的金融市场尚未完全开放，但是仍有大量国际资本通过各种渠道流入中国的证券市场，在客观上促使中国融入世界金融市场。通过统计实际发生的资本跨境流动，我们可以考察中国的金融市场参与国际化的程度。国际货币基金组织（IMF）的综合证券投资调查数据库（CPIS， Coordinated Portfolio Investment Survey）采集了自1997年以来全球跨境证券投资（包括股票、短期和长期债券）状况数据，本文数据来自该数据库的报告国对中国的证券投资统计（见图3）。

图3显示了来自亚洲、欧盟和美国对中国的跨境证券投资金额（左侧）及其所占比重（右侧）。虽然中国的金融开放程度仍处于较低水平，但增长速度较快，且中国与亚洲区域的跨境证券投资远高于其他地区，其中香港是最重要的投资者，这一方面说明中国与亚洲区域金融市场一体化程度加深，另一方面也反映了热钱的流入。截至2009年，美国持有的中国证券资产为1023亿美元，欧盟为408亿美元，亚太国家为1965亿美元。除香港和美国外，全球其他国家或地区的投资者对中国证券的购买十分有限，造成这一现象的原因是由于中国的证券市场对外国投资者仍然相对封闭。目前，非本国居民在发行票据及债券时要得到中国人民银行批准，若国内机构在国外发行债券则必须纳入国家外债计划，相关规定限制了中国金融市场国际化的程度。

四、政策建议与展望

篇10

【中图分类号】 F812.42 【文献标识码】 A 【文章编号】 1004-5937（2016）13-0002-08

税收流失[1]是纳税人或利益相关者违背税收立法目的或违反税收法律法规，通过故意的方案筹划或行为安排，或由于征税者对税收流失政策理解的偏差、管理的缺失乃至权力寻租而导致的国家税收收入减少的现象。税收流失与国家税收法律制度、税收管理体制和税收征收管理实现机制，以及国民税法遵从意识有着密不可分的关系。税收流失的危害性是显而易见的。税收流失不仅是一种经济结果，而且是一种行为过程，它直接影响了国家宏观调控经济的能力，弱化了财政政策宏观调控经济的作用，导致资源配置效率的低下、收入分配的不公，损害了市场竞争的公平、正义，破坏了社会良好的税法遵从氛围。

税收流失的治理始终是各国政府税收治理的一大难题。屡禁不止的地下经济活动中的税收流失和公开经济中逃税、骗税、避税、欠税、抗税等税收违法行为，不仅使各国政府在应对税收流失治理方面进一步加强了合作与协调的行动，而且成为检验一国政府税收治理能力的重要标志。

党的十八届三中、四中、五中全会进一步确立了依宪治国、依法治国、依法行政的基本国策，税收法律制度、税收管理体制、税收征收管理机制的创新持续进行，税务机关坚持“问题”导向，有效降低税收流失率，有效降低税收征收成本，优化纳税服务，着力提高征收管理的质量与效率，突出税收道德文化建设和税法宣传教育等政策措施，在综合治理税收流失方面取得明显成效。然而，税收流失的治理问题仍然不容小觑。

较为准确地测算税收流失的总体规模，不仅有利于认识地下经济所造成的税收收入损失，而且有利于把握公开经济中税收流失的现状。本文拟通过对2001―2013年地下经济和公开经济中税收流失规模的测算与测算结果的分析，进一步探讨经济新常态下税收流失的成因与特点，有针对性地提出税收流失治理的有关对策。

一、税收流失规模的测算②

（一）公开经济中的税收流失规模测算

公开经济是各级政府公开监管的各类经济活动的总称。公开经济所创造的国民财富全额纳入政府统计的范围之内。在各个税种、税率确定的情况下，根据税法所规定的法定税基和法定税率，可求得各税种的应纳税额，故有公式1：

某税种的应纳税额=法定税基×法定税率（公式1）

同时依据某税种的应纳税额与实际征收税额之间的差额，求出该税种的税收流失额。故有公式2：

某税种的税收流失额=该税种的应纳税额-该税种的实际征收额

在此基础上，通过对各税种税收流失额加总，求得公开经济中的税收流失规模。故有公式3：

公开经济中的税收流失总额=A+B+C+…+N（公式3）

其中，A、B、C、…、N分别代表某税种的税收流失额。

假定T1是按照税法有关规定和标准应征收的税收额，T2是实际征收入库额，则有税收流失额TL，故有公式4：

TL=T1-T2 （公式4）

以下为增值税、营业税、企业所得税等主要税种及其他相关税种的测算过程与具体测算结果如下：

1.增值税流失规模的测算

依据现行增值税条例的规定，增值税征收范围包括生产、批发、零售、进口商品以及加工、修理、修配劳务，加工、修理劳务的有关数据难以获取，而且这部分的税款比重也较少，为简便起见，不把它纳入测算之中。那么，增值税税收收入能力的测算故有公式6：

增值税收入能力=工业企业应交增值税+批发零售企业应交增值税+进口环节应交增值税（公式6）

（1）工业企业的增值税应税能力如表1③。

（2）批发零售企业的增值税应税能力如表2。

（3）进口环节增值税的应税能力如表3。

在分别求出工业企业增值税应税能力、批发零售企业增值税应税能力、进口环节增值税应税能力的基础上，通过加总求和的方式求出我国各年度增值税的应税能力，减去当年增值税的实际征收额，由此求出的增值税流失规模具体测算结果如表4。

2.企业所得税流失规模测算

根据税收收入能力测算法[2]，企业所得税流失总额的测算结果如表5。

3.营业税流失规模测算

根据税收收入能力测算法，测算营业税应税各行业总产值与税收流失总额的基础数据如表6、表7。

4.其他税种税收流失规模测算

根据税收收入能力测算法，其他税种流失规模的测算结果，具体如表8。

依据上述对增值税、企业所得税、营业税的等主要税种和个人所得税、资源税、城市维护建设税、房产税、印花税、城镇土地使用税、土地增值税等其他税种税收流失额测算值的加总，得出公开经济中税收流失规模，如表9。

（二）地下经济中的税收流失规模测算④

地下经济亦称隐形经济、灰色经济、黑色经济等，是国际社会公认的“经济黑洞”，涉及生产、流通、分配、消费各个环节。采取修正的现金比率法测算地下经济税收流失的机理是：地下经济活动和准地下经济活动为了逃避政府部门监管和避免被税务机关发现，会尽量采用不在银行等市场中介机构留下记录的现金交易方式进行。因此，一国（或地区）流通中的现金M0占银行存款的比例变化可以视为由于地下经济活动和准地下经济活动的变化引起的，即流通中现金M0的增长变化事实上是地下经济活动和准地下经济活动变化的晴雨表。基于这一机理，运用现金比率法[3]测算地下经济税收流失规模，如公式7：

地下经济税收流失（Tu）=地下经济规模（Yu）×宏观税负（t）（公式7）

地下经济规模是测算地下经济税收流失的关键要素，基于公式7，地下经济规模的测算过程，如公式8：

公式8中，C为现金余额，D为活期存款余额，Y0为公开经济的收入规模，K0为公开经济的现金比率，即公开经济中的现金余额与公开经济中的活期存款余额之比。

实际上，现金并非是地下经济中唯一的交换媒介，如家庭中的修理和实物采购这些非正规的购买行为，约25%～30%是通过非现金支付形式进行的，因此，现金比率法中现金是地下经济唯一的交换媒介的假设会低估地下经济的规模，进而低估税收流失的规模。为了使测算数据更为准确，对现金比例模型作以下适当修正和改进：（1）放宽现金是唯一交换媒介的假设，采用货币供给中的狭义货币M1和广义货币M2来推算地下经济的规模。定义M=M2-M1，把传统现金比率法公式中的C扩展为M1，D扩展为M，使现金比率法的现金是唯一交易媒介的限制大大放宽，也更符合实际。（2）重新定义K0。在K0取值时，选择某一年份作为基期来测算地下经济规模，这种做法实际上是假设该基期年份的地下经济规模为零，显然会低估地下经济的规模。事实上，K0反映的是某一时段内人们对现金和短期存款的需求状况，那么每年新增加的收入也应按原有的需求比例进行分配，因此，有必要对K0进行重新定义。为此，对我国1990―2012年现金和短期存款的时间序列数据进行分析，分别得到现金和短期存款的时间趋势方程，由此得到K0，即两个方程的系数之比。就演化为公式9：

根据统计年鉴的数据进行线性回归，可分别得到现金C和短期存款D的时间趋势方程（以1990年为基期，t=1）：

基于公式7、公式8和修正后的公式9、公式10，数据代入得出我国2001―2013年的地下经济规模，如表10。

（三）对税收流失总规模的初步分析⑤

基于对公开经济中税收流失规模和依据地下经济中可能造成的税收损失（税收流失）两者相加，得出我国税收流失总规模，如表11。

二、测算结果分析[4]

1.从公开经济中税收流失占GNP的比例分析，2001―2013年税收流失占GNP的比例已由最高年份的8.86%下降为6.19%，比平均水平减少0.34个百分点；从税收流失额占实际征收额的比例来看，主要税种的税收流失率呈现出下降的趋势[5]。如：增值税由2001年的27.36%下降为2013年的15.08%，企业所得税从2001年的39.51%下降为2013年的30.43%，营业税从2001年的46.3%下降为2013年的36.5%。但其他税种如：个人所得税、房产税、土地增值税、城镇土地使用税、城市维护建设税、资源税、印花税、关税等税收流失呈上升趋势。

2.从地下经济税收流失的规模测算分析，2013年地下经济的规模110 084.26亿元，比2010年地下经济规模124 904.82亿元减少14 820.56亿元，但比2001―2013年这13年间的平均水平80 372.60亿元增加了29 711.66亿元。地下经济规模快速增长的情况说明，对地下经济的监管与反监管的斗争还十分激烈，取缔和打击地下经济的效果尚不理想。

3.从税收流失的总规模测算分析，2001―2013年这13年间，我国的GNP增长了4倍，而同期税收收入增长约5倍。税收收入额占GNP的比重由2001年的13.95%上升到了2013年的19.37%，同期税收流失率从最高13.37%下降到2013年的9.00%，税收流失治理取得阶段性成果。但是，由于经济社会仍处于改革转轨阶段，目前税收流失的绝对规模仍然较大，主要原因是规模比较庞大，约占年国民生产总值1/5的地下经济规模由此引发的税收流失数额巨大，公开经济中税收流失，特别是跨境税源的流失亦十分严重。

三、税收流失治理的相关对策

税收流失规模的测算与分析表明：税收流失的根本原因主要集中在纳税人征税机关、税收制度和国民税法遵从度4个方面：税收法律制度是核心所在，税收管理体制是重要基石，税收征收管理实施机制至为关键，国民税法遵从意识的提高则是根本保证。

（一）落实税收法定原则[6]，完善税收法律制度，为治理税收流失提供制度保障

现行18个税种中，仅有企业所得税法、个人所得税法、车船税法，其他15个税种尚未完成税收立法。依据《立法法》有关规定，落实税收法定原则，坚持依法治税，建立以税收基本法为母法，税收实体法、税收程序法相配套的税收法律体系。加强反避税立法，完善转让定价控制机制，建立和健全国家的反避税法律法规。建立和完善税收司法体制，如设立税务法院，实行税收判例制度，提高税收司法水平，为税收流失的治理提供制度保障。落实税收法定原则，当前的重点拟应放在税种的立法和税负的法定、税率的法定方面，在稳定税负的前提下，优化税种结构、优化税收征收流程，科学合理地确定政府收入在国民收入中的比重、中央政府收入在政府总收入中的比重，清费立税，确立税收法律制度在税收流失治理中的核心功能地位，将税收法定原则贯穿于税收立法、税收执法、税收司法和税法监督的全过程。

（二）深化税收管理体制的改革，理顺中央与地方的税收关系[7]，为治理税收流失提供体制保障

根据现代财政学的观点，中央与地方政府间财权与事权的划分需遵循统一领导、分级管理的原则，以此界定政府间财政关系及财权与事权的划分，并由此决定中央与地方税权和政府间收入的划分、机构的设置，做到纲举目张。当前推进的供给侧结构性改革和以全面“营改增”为标志的经济领域的税收管理体制的改革正在进行中。中央税收几大主体税种已基本到位、体系基本完善，而地方税体系却远未到位，有必要在科学划分税收管理权限的同时，从优化地方税制结构和规范地方税骨干税种着手，保持合理税务水平；坚持清费立税，确保税收在政府全部收入中的支柱地位，建立有利于中央政府宏观调控、调动地方政府发展经济积极性的税制体系。通过以深化个人所得税和房地产税改革为标志的个人分配领域的税收管理体制的完善，以调整消费税和推动环境保护费改税为标志的税制结构的优化，在有效降低行业税收负担的同时，充分发挥中央和地方的积极性，为治理税收流失提供体制保障。

（三）强化税收征管，为治理税收流失提供机制保障

构建以税收征收管理基本流程为基础、以涉税信息与税务情报管理流程为平台、以税收风险管理为导向、以税收管理专业化为重点的现代化税收征收管理实施机制，建立和逐步完善以信息管税、风险管控和夯实税收征收管理基础为核心的税收征收管理综合流程，培育以全心全意为纳税人服务为宗旨的政府税收行为，健全完善“执法、服务、合作”三位一体的现代税收征收管理实施机制。

当前，商事制度改革和“营改增”全面试点正在进行中，公开经济与地下经济的博弈日趋激烈，税收征收管理面临着新的挑战，在为纳税人提供优质纳税服务、全面分析纳税人税法遵从状况的基础上，进一步完善国内和跨境税收信息处理系统，完善与金融信息、财务与会计信息、税收征管信息等涉税信息的对接和信息的分析应用，针对不同类型不同等级的税收风险，通过涉税信息的比对，尽最大努力控制信息不对称所导致的税收风险，健全风险管控流程，坚决取缔、严厉打击地下经济活动。在经济税收法制不断健全完善的过程中，不法分子将法律禁止的经济活动转入地下，如贩毒、走私、制假贩假、高利贷等非法经营，不仅导致政府收入减少，更为严重的是诱导诚实纳税人产生“比坏心理”，对此须引起高度重视。同时，严厉打击以虚开增值税专用发票为重点的各种逃税、骗税等违法犯罪行为，进一步加强国际间的反避税合作；进一步加强工商、税务等相关部门打击、取缔地下经济活动的联合执法行动，为治理税收流失提供税收征收管理实施机制的保障。

（四）加强税法教育宣传，为治理税收流失提供环境保障

税务素质教育是治理税收流失的基础条件，税务素质教育的终极目标在于构建一个涵盖征税人和纳税人的全方位、网络化、信息化的税法教育宣传体系。按照权利与义务相对称的现代税收理念，规范纳税人、用税人和征税人的税务行为，坚持不懈地加强税法教育宣传，不断增强全民税法遵从意识。一方面要增强纳税人的权利意识，明确国家与纳税人之间的税收法律关系，提高纳税人的税法遵从度；一方面要增强征税者依法征税，廉洁、公正执法的意识，提高征税者的税法遵从度；在全社会范围内培育积极的税收文化，构建和谐、诚信的税收征纳环境，以最大限度遏制税收流失。

【参考文献】

[1] 贾绍华.中国税收流失问题研究[M].北京：中国财政经济出版社，2002：10-28.

[2] ACIR.Measuring of State and Local Fiscal Capacity and Tax Effort[R]. Informationg Report M-16，Washington：Advisory Commission Intergovernmental Relations，1962.

[3] PHILLIP C. The Demand for Currency Relative to the Total Money Supply[J]. Journal of Political Economy 1958，66（4）：303-308.

[4] 贾绍华.中国税收流失问题研究[M]. 2版.北京：中国财政经济出版社，2016：182-183.

篇11

中图分类号：F062.2文献标识码：A文章编号：1001-8409（2014）09-0124-05

Analysis of the Factors Influencing Carbon

Footprint Based on LARSLasso Method

TANG Jianrong， DENG Lin

（School of Business Jiangnan University，Jiangsu Wuxi 214122）

Abstract： This paper used LARS to realize the Lasso process to get the weight of each factors choose from 12 possible factors and the normal Lasso estimation model. The results show that：the energy structure is the main reason for the formation of carbon footprint； population， economy of scale and energy intensity are significant factors influencing the carbon footprint； city level， population structure， industrial structure， the metastasis of carbon footprint， the proportion of clean energy and the public transportation development level is an important factor affecting the carbon footprint of the influence； the rate of economic development and the consumption level of residents is not significant.

Key words： carbon footprint； analysis of influence factors； Lasso； K foldCV

引言

全球气候问题已经引起了国际社会的广泛关注，人类生产、消费、流通等活动所产生的碳足迹（Carbon Footprint）对气候和环境的影响愈见明显。碳足迹是人类生态足迹的重要内容，如果任其发展并因此阻断了经济增长和生态环境的天然联系，则会沉没我们的生态方舟，因此，重新构架全球经济的发展模式，科学测定人类碳足迹并分析其动因，进而形成一种以生态法则为导向、以有效控制碳足迹为目标的经济发展方式是一项重要且迫切的任务。

国内外关于碳足迹影响因素的分析主要基于STIRPAT和LMDI模型。朱勤等对STIRPAT模型进行扩展，应用岭回归方法分析人口、消费及技术因素对碳排放的影响，统计实证结果表明，扩展的STIRPAT模型对中国国情有较高的解释力，居民消费水平、人口城市化率、人口增长速度三个因素对我国碳排放总量的变化影响显著[1]；杨建云运用LMDI模型，依据2001～2010年的数据，分析了能源结构、能源强度、劳动效率、人口数量对河南省碳排量的影响，结果显示，人均GDP提高、经济活动增加是导致河南省碳排量增加的首要因素[2]。

各种研究表明，影响因素的甄别筛选至关重要，全面纳入可能的影响因素，可以提高分析的准确性，但同时也会导致数据的高维化，从而引起多重共线性和数据分析难度加大。传统的统计回归方法无法处理数据的多重共线性问题，而变量选择方法对高维数据的处理分析缺乏准确性和高效性，对碳足迹的影响分析也显得苍白无力，因此本文运用Tibshirani提出的一种有偏估计方法Lasso（Least absolute shrinkage and selection operator）[3]对数据进行分析，该方法将模型系数的绝对值之和作为惩罚项来压缩模型系数，以尽可能小的误差将不显著因素的系数压缩为0，从而达到显著变量选择的目的，在此过程中，它可以同步实现对参数的估计，且其逐步回归过程可以很好地处理数据多重共线性。

通过评价指标文献的比较分析，结合指标的重要性、数据获取的科学性和全面性以及碳足迹影响的特点，选出12个碳足迹的可能影响因素，基于1996～2011年相关数据，运用LARS-Lasso算法实现变量选择过程，同时得到标准的Lasso参数估计模型，并据此分析显著因素对碳足迹的影响，为制定控制碳足迹的有效政策提供参考。

1LARS-Lasso算法

设X为自变量，Y为因变量，n次取样得到观测数据的标准化值为（X，Y），其中X为n×p矩阵（n>p），Y为n×1矩阵，X的第i个观测值Xi=（Xi1，Xi2，…，Xip）T，i∈[1，2…n]且各观测值相互独立，Y=（Y1，Y2，…，Yn）T。则Y对X的线性回归模型为：

yi=αi+βjxij+εi（1）

其中εi～N（0，σ2），=，对标准化的数据=0，因此α=0，进一步整理式（1）得到：

Y=βX+ε（2）

根据Lasso的定义，要筛选出显著性的变量，就要在式（2）基础上加上一定的约束条件，令约束范式表达式为：

式（3）中，t≥0，是一个调和参数（Tunning Parameter），Lasso过程就是通过不断调整t的值，使得整体回归系数变小，压缩不显著变量的系数，直至为0。

需要注意的是，假设0j为无约束最小二乘问题的解，那么当t>0j的时候，约束是没有意义的，因此把式（3）中约束条件两边同时除以0j，令s=t0j，s∈[0，1]，则：

式（4）中的s是选择最终模型的标准参数[4]。

Lasso实质是二次规划的求解问题，Bradley Efron提出的LARS（Least Angle Regression，最小角回归）算法[5]可以很好地解决Lasso计算问题。对LARS方法进行一点变动，限定每次只有一个变量进入或剔出模型，从而得到LARS-Lasso的解路径，并通过确定式（4）中参数s择定最佳模型。采用Efron和TibShirani提出的交叉验证法（CV） [6]来确定参数s定义统计量：

2指标选择及数据来源

2.1指标选择

2.1.1碳足迹测定

本文将1996～2011年各一次能源消费总量折合成标准煤参考系数，计算累加的碳排放量，以此核算碳足迹（CFP），这里所述的一次能源只包括煤炭、石油、天然气三大主要能源，其核算公式[8]为：

表1数据显示：1996～1998年，碳足迹持续下降，1999年后碳足迹逐步增加， 2002～2007年碳足迹上升速度明显加快，此后增速有所减缓，但2011年又出现了显著增长。从碳足迹变化趋势可以看出，碳足迹变动趋势与中国社会、经济发展状况密切关联。

212驱动因素分析

很多学者对碳足迹的影响因素进行了归纳，本文在前人研究基础上，从以下4个方面考虑可能的影响因素。

（1）经济方面。包括经济发展速度、经济规模、产业结构、碳足迹转移程度。工业革命以来，第二产业主导世界经济迅速发展，经济规模不断扩大，随之产生的污染问题日趋严重，经济发展状况、产业结构对碳足迹的影响可见一斑；引入碳足迹转移程度分析是否存在“碳转移”，这在中国发展过程中，寻求经济发展和节能减排平衡点、维护自身发展权益有一定作用。

（2）人口方面。包括人口数量、人口结构、城市化水平、居民消费水平。生活消费能源在能源消费中占有很大比重，人是生活能源消费的主体，而且现实生活中，城市人口、劳动适龄人口的生活能源消费量远超农村人口、婴幼儿和老年人。因此人口数量、居民消费水平、城市化水平和人口结构会对碳足迹产生影响。

（3）能源方面。碳足迹主要来源于能源消耗过程，可见能源对碳足迹的影响不可忽视，本文从能源结构、清洁能源比重以及能源强度三个角度考虑其对碳足迹的影响。

（4）政府方面。减少碳足迹与政府政策指向和大力扶持紧密相关，本文用公共交通发展水平衡量政府对节能减排的扶持力度。

综合上述4个方面的分析，初步构造指标体系，如表2所示。

22数据来源

依据表2中各变量的描述，查阅1996～2012年《中国统计年鉴》国民经济核算、人口、对外经济贸易、能源、价格指数、城市概况、资源和环境等分类统计数据，对原始数据进行计算和整理，得到各自变量的具体数据。

3LARS-Lasso实证研究

31数据预处理

观测各自变量与因变量CFP之间的散点-拟合线图，结果表明：变量A1、A4、P1、P2、P4、T3与CFP有明显的线性关系，而变量A2、A3、P3、T1、T2、G2与CFP之间的线性关系有待考证。

根据式（1）定义，Lasso标准模型是线性的，为消除可能存在的非线性关系，本文对原始数据取对数，而LARS算法对数据默认的标准化处理可以进一步消除可能存在的异方差。

33参数的确定

本文运用K折CV验证确定改进的调和参数s，即将样本数据等分为K份，依次以第k份数据作为测试样本，用于计算CV残差，k=1，2，…，K，剩余K-1份数据作为训练样本，用于拟合模型。Lasso问题的CV验证，通常令K=10， CV图如图2所示。

图2横坐标为压缩系数即参数s，纵坐标为CV值，根据具体CV演算表得到minCV（s）=1943794×10-4时，s=076767677，观察图1可知s介于第11步和第12步之间。

Lasso模型的验证参数为R2和Cp，其中R2是Lasso回归模型的拟合系数，越接近1，模型的拟合优度越高，而Cp值是Lasso判定系数，其数值定义为：

34模型构建与分析

根据已确定的参数s、图1解路径和式（4），得到Lasso标准化回归模型的系数解（精确到小数点后四位）如表4所示。

根据表4数据，经济规模（A4）、居民消费水平（P3）的系数被压缩至0，从模型中剔除，其他10个变量均被选入，其中清洁能源比重与碳足迹呈负相关影响，其余变量均为正相关影响，据此得到Lasso标准模型为：

lCFP=0773×lnA1+0027×lnA2+0015×lnA3+1046×lnP1+0096×lnP2+0080×lnP4+1187×lnT1-0009×lnT2+0702×lnT3+0003×lnG2（10）

据此分析各变量对碳足迹的影响。

（1）能源结构是形成碳足迹的主要动因。石油能源是目前人类生产消费的物质基础，也是产生碳排放的罪魁祸首，而不同能源的能源效率和洁净程度有着天壤之别，煤炭能源效率和洁净程度最差，但煤炭是中国最大的能源矿种，其在中国能源消费的主导地位短期内不会有所改变，煤炭消费比重越高，能源结构越差，碳足迹就越大。

（2）人口数量、经济规模和能源强度是影响碳足迹的直接原因。人口数量的扩大必然会导致社会生产与消费的增加，能源消耗也会水涨船高，因此人口增长越快，碳足迹提升越快；工业革命以来，环境污染问题愈发严重，目前中国经济发展难以脱离工业，工业发展污染大，加之政府难以监管到位，经济规模越大，污染越严重，碳足迹亦随之提高；能源强度反映的是能源技术发展水平，能源强度越大，同等能耗产生的碳足迹也水涨船高。

城市化水平、人口结构是助长碳足迹的重要因素。城市人口和劳动适龄人口的生活能源消耗相对较大，一方面，其相对高碳的消费模式和生活方式会引起家庭碳足迹的增加；另一方面，城市规划不合理，管理缺乏统筹性，低碳建筑拘于纸上谈兵，造成城市碳足迹居高不下。

（4）产业结构、碳足迹转移状况对碳足迹有一定影响。第二产业的主体工业尤其是重工业对环境的污染显而易见，因此产业结构对碳足迹的正向影响是符合实际情况的。碳足迹转移状况对碳足迹影响系数为00153，是正相关关系，证明发达国家对中国确实存在碳转移。

（5）低碳能源、公共交通对碳足迹的影响不可忽略。积极发展低碳能源，逐步优化能源结构，可以有效减少碳足迹；清洁能源比重的系数较小，仅为-00093，这是因为近16年低碳能源消费比重较小（59%～86%），但随着消费比重逐步增加，其作用亦会水涨船高，因此必须高度重视；系数为00033，与研究预期背道而驰，一方面是因为当前国内公共交通工具大多是燃油车，能耗高、污染大；另一方面，公共交通发展远跟不上经济发展的脚步，居民生活水平不断提高，而公共交通却难以满足居民需求。尽管如此，通过推进公共交通工具电气化、改善公共交通网络等一系列政策，必定可以发挥其抑制碳足迹增长的效用。

（6）经济发展速度和居民消费水平对碳足迹的影响尚未显现。中国经济发展有着明显的区域化差异，发达区域对GDP贡献大，经济发展速度快，且基本形成第三产业主导经济发展的格局，因此经济发展速度对于碳足迹的影响较小。城市居民恩格尔系数近16年来最小值为357%，远高于发达国家水平，说明生活必需品是中国居民消费的主体，因此对碳足迹的影响不显著。

4碳减技术路径及政策建议

综上所述，可以从碳足迹的10个显著影响因素着手，兼顾两个尚不显著的影响因素，有力控制碳足迹增长。在发展过程中，要引导产业结构和能源结构的调整，推动新能源发展；不断改革能源利用技术，提高能源效率；大力发展循环经济，让“静脉”产业为经济发展注入新鲜活力；呼吁国际社会重视“碳泄漏”，保障自身发展权益；控制人口增长，鼓励低碳生活；重视绿色城市建设，提高节能设施覆盖率；合理运用政府政策，推动关键链管理。

（1）构建智慧增长战略。注重城市经济、社会、环境之间的和谐发展，强调已开发区域的整合利用和紧凑式发展，关注各利益主体的诉求与合作，成功实现我国智慧增长。伴随着人口膨胀、城市扩张，我国固有的矛盾以及发展中的问题也水涨船高，城市化是发展所需，低碳化是大势所趋，要注重培养大众消费思想低碳化，倡导全民生活方式节能化，合理控制人口增长速度，积极稳定推动城市发展，构建低碳新兴城市，实现城市整合利用和紧凑式发展；逐步实现国家能源消费从传统煤炭矿种为主向现代石油和天然气矿种为主的结构转变，提高能源利用率，扶持新能源技术开发，优化能源结构，协调发展智慧经济。

（2）重视碳足迹转移。工业制成品出口额对碳足迹的影响不容忽略，发达国家凭借其技术垄断，高污染的产业转移到发展中国家，中国成为发达国家最大的“碳转移”基地；我国要发展，同时也要吸取发达国家的经验，舍弃牺牲环境的不合理发展模式，引导国际贸易低碳化，呼吁国际社会关注发达国家对我国的“碳泄漏”实情，为自身发展争取更多的机会和权益。

（3）推动关键链管理。设计严格的排污机制，落实碳税、碳排放交易政策，架构合理的碳排放认证、审核机制，建立体制健全的碳排放交易市场，充分运用财政政策控制碳足迹的增长；合理规划环境污染治理，推行“预防为主，治理为辅，防治并举”的上下游产业链发展战略；大力推动公共交通发展，建立高效快捷的公共交通体系，促进公共交通工具电气化，倡导选用公共交通和零污染的交通工具。

（4）发展“非蔓延式经济”。发展与环境协调的非蔓延式经济，逐步淘汰落后的生产技术，制定严格的企业排污制度法规；推动资源回收利用的“静脉”产业发展，将“城市矿山”化废为宝，促进循环经济发展；大力发展服务业，有计划地减少国民经济对工业的依赖，需要注意的是，第二产业对于一个国家而言不可或缺，只有通过技术改革、合理规制来减少工业污染，才能标本兼治。

中国是一个发展中大国，发展是第一要务，合理协调经济、环境与社会之间的关系也刻不容缓。处于后哥本哈根时代，我们不仅要承担起减少碳足迹的责任，也要呼吁国际社会正视发达国家的“碳泄漏”问题，为自身发展争取到更多权益和空间；积极转变对外贸易形式，集中精力发展自身，突破“中国制造”瓶颈，努力打造“中国创造”国际新形象，从根本上减少自身资源消耗，从而控制碳足迹的增长。

参考文献：

[1]朱勤，彭希哲，陆志明，于娟.人口与消费对碳排放影响的分析模型与实证[J].中国人口资源与环境，2010.2：98-102.

[2]杨建云.基于LMDI方法的河南省碳排放分析[J].经济论坛，2012，8：21-24.

[3]Robert Tibshirani. Regression Shrinkage and Selection Via the Lasso[J].Journal of the Royal Statistical Society，1996，58（1） ：267-288.

[4]周玮.变量选择中的LARS算法机器在国民经济中的应用[D].山东：山东大学，2011.

[5]Efron B， Hastie T， Johnstone I， et al.Least angle regression[J]. Annals of Statistics， 2004，32（2）：407-499.

篇12

中图分类号：F424.4

文献标识码：A

文章编号：1007-3973（2012）008-124-03

1 引言

目前，我国越来越多的企业走上了“集群化”的发展道路，尤其是一些大企业，东南沿海地区的诸多中小企业，通过集团化的发展方式推进“集群化”进程；在政府力量推动下，我国很多地区也形成了家电、汽车、石化等大企业集群。正是由于大企业集群在当今经济发展过程中起到了举足轻重的作用，所以对于大企业集群的社会责任研究具有重要的理论与现实意义。

2 大企业集群的定义与特征

2.1 大企业集群的定义

目前关于“大企业集群”的界定还尚未达成统一的共识。本文认为从本质来看，大企业集群就是一个基于“大企业”而形成的区域性本地化的生产网络，所以从网络组织视角出发，本文给出“大企业集群”的定义如下：大企业集群是集中于某一特定区域内，特定产业以一个或几个大企业为核心，诸多进行具有分工合作关系的专业化生产和配套服务的中小企业以及相关的各种机构、组织等行为主体通过网络关系形成的产业共生群落的网络系统，包括企业节点之间以及企业与非企业节点之间的交易以及各种形式的协调，通过组织创新，使得集群网络中的大中小企业能够协同整合区域内的供应市场和消费市场。

很显然，大企业集群作为一种新的组织系统，包括各种不同的参与者，它们处于不同的产业链环节，在网络中的地位各不相同，得到的收益也各不相同，而且各个参与的实体之间并不一定彼此拥有所有权，通过这样的网络组织协调后形成的生产系统具有良好的制造能力与服务能力，为参与整个集群网络中的企业都提供了获取各种具有价值的网络资源从而提升集群网络中的企业绩效。

2.2 大企业集群的特征

(1)大企业集群具有鲜明的产业特征。以“大企业集群”为发展载体的产业往往具有“规模密集”、“信息密集”、“技术密集”以及“产业关联密集”等显著特征。以汽车产业为例，该产业的战略地位不仅体现在对一国国民经济的拉动之上，更体现为其所具有的高规模经济性、高新技术吸附性、高技术密集性以及强大的产业联动效应之上。汽车工业是最典型的规模经济行业，由于其在生产设备和技术开发上的巨额资本投入，必然要求制造企业有足够的规模才能实现生产效益；同时汽车行业也是对信息和技术要求非常高的产业，以F1比赛为例，法拉利、本田等大型车队每年的研发费用都在3亿美元以上，通用汽车的研发费用更是高达百亿美元，高新技术的开发需要大量资金的同时，也面临着结果不确定的风险；同时，汽车产业具有很强的产业拉动作用，它不仅对上游产业的需求有所拉动，比如提供原材料的钢铁、有色金属、橡胶、塑料、纺织、皮革和玻璃等产业，同时也促进了主要包括交通运输业、销售业、服务业和路桥建设业等下游产业的发展。

(2)大企业发展水平决定了产业集群整体的竞争力。作为产业集群中的“龙头”，大企业的发展水平在很大程度了影响了产业集群整体的竞争实力和优势，主要体现在“经济规模”、“技术”、“品牌”和“可持续发展”四个方面。从经济规模上看，大企业是整个集群经济价值创造的“拉动极”；从技术研发上看，大企业在技术创新能力和优势上具有压倒性的优势，同时也是技术创新和知识溢出的主要推动者从品牌上看，很多以资金和技术密集型产业为主的集群，其形成主要是以有竞争优势的名牌大企业为诱因的。从可持续发展上看，大企业可以通过自身的“主导”地位，设立产业生态建设的壁垒，对上下游供应商和客户推行“链责任”的可持续发展战略，以推动整个产业集群生态网络的构建。

(3)大企业集群内具有显著的等级差异。从产业组织形态上看，大企业集群是一种以核心企业为协调中心的等级式的层级结构，是核心企业和配套企业之间基于该产品而建立的长期的交易关系，大企业为组织协调的核心，零部件加工企业围绕在其周围，正是这种组织结构决定了大企业集群内具有较为严格的“层级差异”，如图1所示。

篇13

中图分类号：F290 文献标志码：A 文章编号：1673-291X（2013）22-0230-05

引言

近年来，随着工业化、城市化进程的加快，经济和城市人口的不断集聚，随之而来的环境污染和生态问题也日益突出。随着二氧化碳等温室气体的不断排放，由此而导致的全球变暖问题开始受到人们广泛的关注，目前“节能减排”已成为各国经济发展的长期战略目标，也是推进工业化、城市化进程的出发点与立足点。

近年来，关于碳排放因素的实证研究逐渐受到国内学者的关注。涂正革[1] 基于优化的Laspeyres指数法分析，采用国民经济部门的能源消费数据，将每个因素的碳排放效应分解成各个部门的贡献。郭朝先[2] 运用LMDI分解方法，定量分析了产业结构变动对1996—2009年中国碳排放变动的影响，并估算出2020年之前产业结构变动对中国碳减排的贡献。田立新等[3] 基于广义费雪指数（GFI）方法，建立中国人均碳排放的因素分解模型，定量分析了2000—2008年间能源结构、能源效率和经济发展等因素的变化对中国人均碳排放的影响。雷厉等[4] 通过测度1995—2008年中国29个省市的碳排放量并构建“LMDI分解模型”，将各地区人均碳排放分解为人均GDP、能源结构、能源强度等影响因素，同时将能源强度进一步分解为各产业能源强度和产业结构两类因素。邓明君[5] 从总体上、分行业和重点企业三个层面测算了湘潭市规模以上工业企业能源消耗的碳排量和碳排放强度，分析了湘潭市规模以上工业企业碳排放变化趋势。总之，目前对中国碳排放的研究不管是研究方法、还是研究视角，都日趋丰富，得出了许多指导性的结论。但是不难发现，这些研究主要集中于对一国、一地区的整体性分析研究，很少涉及市域层面的碳排放问题，同时也缺乏对工业部门碳排放的具体研究。

在中国经济快速发展过程中，工业是能源消耗的主体，中国因能源消费而产生的CO2排放量中，工业部门的排放占到80 %以上，因此研究工业碳减排问题是发展低碳经济的重中之重。长三角作为中国经济实力最强劲的地区之一，长三角城市群目前已成为中国发展最成熟的城市群，也是世界第六大城市群，而南京和苏州分别作为长三角地区核心城市和次中心城市，近年来工业经济规模不断扩大，能源消耗不断增加，分析其工业碳排放量的现状及影响因素具有非常重要的现实和指导意义。鉴此，本文以长三角城市南京和苏州为例，通过建立因素分解（LMDI）模型，量化两市工业经济规模、能源强度以及能源结构三个因素对CO2排放总量的影响程度，明确两市低碳经济发展的潜力和方向。

一、南京与苏州工业经济、能源消费和碳排放的概况比较

（一）南京、苏州工业经济现状比较

自2001年中国加入世界贸易组织以来，中国长三角地区经济持续高速发展，南京和苏州两市的工业规模不断扩大，规模以上工业企业工业总产值均有显著提高（见图1）。2011年，南京规模以上工业企业总产值历史性地突破万亿元大关，全市2396家规模以上工业企业全年完成工业总产值10 352亿元，同比增长24.3%，2001—2011年间年均增长率38.6%。2010年，南京市规模以上工业企业完成利税1 079.96亿元，较2009年同比增长了46%。2011年，苏州全市实现工业总产值3.3万亿，规模以上工业企业总产值2.8万亿元，同比均增长17%以上。2010年，苏州规模以上工业企业数量达到13 538个，是2001年数量的3.62倍，利税总额达到1 507.06亿元。

（二）南京、苏州工业能源消费现状比较

20世纪90年代以来，特别是“十五”以来南京、苏州城市化和工业化进程的加快，使得能源消费呈快速增长的态势，而工业能源消费量已占全市能源消费总量的70%以上。2010年，南京市全年规模以上工业能源消费总量8 052.61万吨标准煤，比上年增长8.3%，从能源结构来看，2010年南京规模以上工业企业主要能源消费情况如下：原煤消费量2 213.7万吨，比上年增长28.6%；原油消费量2 113.89万吨，增长3.4%；天然气消费量16.29亿立方米，增长5.1%。

2010年，苏州规模以上工业能源消费总量为7 082.27万吨标准煤，比上年增长9.78%，其中原煤消费量4 749.24万吨，增长8%；天然气消费量25.03亿立方米，增长3.56%；电力消费量738.21亿千瓦时，增长5%。

（三）南京、苏州工业碳排放概况比较

本文采用《2006年IPCC国家温室气体清单指南》第2卷第6章的参考方法估算南京和苏州两市的工业碳排放量，计算公式为：

C=■Ei×Ki （1）

式中C为碳排放量（万t）；Ki为第i种能源碳排放系数；Ei为第i 种能源的消费量，按万t标准煤计；i为能源种类。根据两市能源消费结构的特点，选取原煤、原油、天然气等16种主要消耗能源品种进行分析，并以各类能源对标准煤的折算系数进行处理。两市工业主要消费能源的碳排放系数来源于IPCC碳排放计算指南缺省值，原始数据以J为单位，为与统计数据单位一致，将能量单位转化成标准煤，具体转化系数1×104标准煤等于2.93×105GJ。由于南京和苏州能源消费统计口径为规模以上工业企业，所以以两市2001—2010年规模以上工业主要能源消费来计算工业碳排放量，根据计算结果得出两市这十年间碳排放总量的变化情况（见图2）。

二、南京与苏州工业碳排放变化的因素分解分析

（一）基于LMDI的工业碳排放分解方法

1.LMDI模型的建立

为量化分析各因素对南京、苏州两市碳排放的影响程度，本文采用对数平均权重（LMDI）因素分解模型研究两市碳排放及其影响因素间的演化规律，建立工业碳排放影响因素分解模型如下：

C=■Cit=■■×■×■×Qt （2）

式中i代表能源品种；C代表工业经济碳排放总量；Cit代表第i种能源在第t年的碳排放量；Eit代表第i种能源第t年的消费量；Et代表所有能源在第t年的消费量；Qt代表第t年工业总产值。令：

eit=■，rit=■，st=■，gt=Qt （3）

式中eit表示不同能源排放强度，代表能源排放强度效应；rit表示不同能源占总能源消费比重，代表能源结构效应；st表示能源强度效应；gt表示工业经济规模效应。将式（3）带入到式（2）可得两市工业能耗碳排放模型：

C=■eit×rit×st×gt （4）

利用LMDI加和分解方法对式（4）模型进行因素分解，令基期t碳排放为Ct，t+1期为Ct+1，则差分可分为如下：

ΔCtot =Ct+1 -Ct =ΔCei +ΔCri +ΔCs +ΔCg （5）

式中ΔCei表示能源排放强度效应引起的碳排放变化；ΔCri表示能源结构效应引起的碳排放变化；ΔCs表示能源强度效应引起的碳排放变化；ΔCg表示工业经济规模效应引起的碳排放变化。借鉴Sunil Malla[6] 对各效应公式的定义，各分解因子的LMDI的效应公式为：

ΔCei=■L（Ct+1i ，Cti）ln■ （6）

ΔCri=■L（Ct+1i ，Cti）ln■ （7）

ΔCs=■L（Ct+1i ，Cti）ln■ （8）

ΔCg=■L（Ct+1i ，Cti）ln■ （9）

其中，对数平均权重函数L（Ct+1i ，Cti）=（Ct+1i -Cti）/（lnCt+1i -lnCti） （10）

2.数据来源

本文研究使用数据主要来自2001—2010年的《江苏统计年鉴》、2001—2010年的《南京统计年鉴》、2001—2010年的《苏州统计年鉴》和2001—2010年的《中国能源统计年鉴》。部分数据来自互联网在线资料和其他参考资料。数据说明，南京市和苏州市工业总产值统计口径为规模以上工业企业，南京市和苏州市能源消耗统计口径为规模以上工业企业，因此本文以南京和苏州两市2001—2010年规模以上工业企业总产值和主要能源消费量来计算两市工业经济碳排放量和碳排放强度。

（二）南京、苏州工业碳排放变化的实证分析

1.南京市工业碳排放变化的实证分析

2001—2010年，工业经济的强劲增长使能源消费和碳排放量同步增长，十年间南京市工业碳排放增长了2.55倍，碳排放总量净增长3 426.93万吨。

图3是2001—2010年南京市工业部门碳排放总量的分解效应图，工业碳排放的变化取决于能源排放强度效应、能源结构效应、能源强度效应和工业经济规模效应这四大因素的消长。从图中可以看出，工业经济规模效应的走势与总效应的变化趋势基本一致，因而工业经济规模是促使南京工业碳排放不断增加的决定性因素；能源强度效应在2001—2010年间几乎均为负值，这表明能源强度的下降在很大程度上减少了工业碳排放，并且从总体上看能源强度效应与总效应呈反向趋势，因而能源强度的降低是减缓南京碳排放的最主要因素；能源结构效应除个别年份对于工业碳排放的影响是负效应外，其余均为正效应，且与总效应趋势基本一致，但由于数值较小，所以能源结构效应对于工业碳排放的影响不大，同时也表明南京市的工业能源结构十年间并未得到优化；而能源排放强度效应曲线接近水平，这说明样本期间南京市能源排放强度基本不变，对于工业碳排放量的影响十分微小。

2.苏州市工业碳排放变化的实证分析

2001—2010年十年间，作为全国工业经济发达的城市代表，苏州市工业生产总值增长了8.85倍，与此同时，工业碳排放量增长了6倍，碳排放总量净增长4 607.67万吨，其中以2004—2005年的增速最快。

图4是2001—2010年苏州市工业碳排放总量的分解效应图，从图中可以看出工业经济规模效应与总效应变化趋势基本一致，十年间工业经济规模效应使得碳排放量累积增加4 966.36万吨，成为苏州工业经济碳排放增长的主要促进因素；能源强度效应曲线从趋势上与总效应基本一致，但从累积效应来看，十年间能源强度变化引起碳排放增加378.05万吨，表明能源强度在十年间并没有明显减弱，也是导致碳排放量逐年增加的重要因素；能源结构效应除个别年份外均为负值，十年间能源结构效应变化引起工业碳排放减少了736.27万吨，成为抑制苏州工业碳排放增加的主要因素，表明苏州市在能源结构方面得到了明显的改善；能源排放强度效应曲线接近水平，虽然数据上基本上为负值，但十年间累积减少工业碳排放量仅为0.48万吨，其抑制作用极小，且在整个样本期间没有表现出明显的规律。

结论和政策建议

（一）结论

本文通过建立LMDI模型对影响南京和苏州工业经济碳排放的因素进行分解，并进行实证分析，通过对两者的比较，得出如下结论：（1）相同点：南京和苏州两市在2001—2010年间工业碳排放量均迅速增长。碳排放的增长与两市的工业总产值的增长均有较大的相关性，但是碳排放的增长速度明显低于工业总产值的增长速度。工业经济规模的扩大是两市工业碳排放增加的主要促进因素。（2）不同点：2001—2010年间，能源强度效应是南京市工业碳排放增长的主要抑制因素，而能源结构效应是苏州市工业碳排放增长的主要抑制因素。但两者对两市的抑制效果差异较大，能源强度的降低对于南京碳排放的抑制作用明显高于能源结构的改善对于苏州碳排放增长的抑制作用。

（二）政策建议

根据实证分析结果及南京和苏州两市工业经济发展现状，本文从减弱碳排放促进因素和加强碳排放抑制因素两个方面为两市分别提供工业碳减排的政策建议：（1）根据上文所得结论可知，工业经济规模的扩大是两市工业碳排放增长的主要促进因素，因此优化工业经济规模对实现两市的节能减排意义重大。南京的支柱产业和传统产业偏重，主要支柱产业有石化、钢铁、建材、电力，也是主要的耗能产业。2010年这四个产业的工业增加值占全市工业增加值的35%以上，创造的税利占全市的40%左右，这四个行业的终端能源消费量总量达1 821.7万吨标准煤，占全市规模以上工业企业终端能源消费量的86.4%。苏州市支柱产业包括通信设备、计算机及其他电子设备制造业，黑色金属冶炼及压延加工业，纺织业，电气机械及器材制造业，化学原料及化学制品制造业以及通用设备制造业六大产业。这些行业的经济规模效应都比较大，今后两市应该首先控制能源密集型行业的增速，减缓这类行业的碳排放增长，同时积极鼓励扩大进口，工业发展对这些行业的需求可以通过对外贸易进行补充。对于无法进行进口以及国民经济的基础性行业，则要通过技术进步和科技创新来提升行业的经济增长质量，促进技术转型。另外，政府还应调整有关引资政策，根据不同行业对碳排放的影响差异，鼓励外资进入技术密集型和新能源产业，倡导引进竞争优势强的先进制造业项目。不断优化投资结构，重点加快高新技术产业、装备制造业等优势产业的投入力度，尽快形成新的经济增长点和竞争优势。（2）根据前文分析得知，南京市的能源结构在样本期间并未得到优化，因此优化能源结构对于南京市的节能减排工作尤为重要。目前长三角地区，尤其是江苏省的能源消费的基本格局是：以煤为主，油气资源贫乏，核能的开发利用正在建设之中。同时煤炭是各种能源中碳排放系数最高的一种，因此其碳排放量占工业碳排放总量的比例很高。因此对于南京市来说应加快能源结构调整，进一步优化能源使用布局，控制能耗和煤炭消费总量，适当提高石油、天然气和水电等能源的使用比例，实现能源结构的逐步优化。南京市应运用财政、税收等优惠政策鼓励企业加大对太阳能、风能和水能等绿色能源的开发和利用，推进绿色能源的应用和普及。苏州市的能源强度效应对其碳排放增长的抑制作用较小，因此如何提高能效将成为苏州市节能减排工作的重点。在今后的发展中要在节能提效的基础上合理控制能源消耗总量，必须树立节能是第一能源资源的意识，把强化节能降耗、降低能源增长速度和总量、提高能源效率作为能源平衡的前提。保障基本用能，限制过度用能，鼓励节约用能，着力提高能源生产、转化和利用效率，优化产业结构和布局，走新型工业化和绿色城镇化道路，以尽可能少的能源消费支撑经济社会又好又快发展。

参考文献：

[1] 涂正革.中国的碳减排路径与战略选择[J].中国社会科学，2012，（3）：78-94.

[2] 郭朝先.产业结构变动对中国碳排放的影响[J].中国人口·资源与环境，2012，（7）：15-20.

[3] 田立新，张蓓蓓.中国碳排放变动的因素分解分析[J].中国人口·资源与环境，2011，（11）：1-7.

[4] 雷厉，仲云云，袁晓玲.中国区域碳排放的因素分解模型及实证分析[J].当代经济科学，2011，（5）：59-65.

[5] 邓明君.湘潭市规模以上工业企业能源消耗碳排放分析[J].中国人口·资源与环境，2011，（1）：64-69.

[6] Malla Sunil.CO2 Emissions from electricity generation in seven Asia Pacific and North American countries：A decomposition analysis[J].

Energy Policy，2009，（1）：1-9.

[7] 申晓敏.无锡市工业经济增长与工业碳排放的关系研究[D].南京：江南大学商学院，2012：7.