笔锋教育

毕业论文代写:全国各省废水排放量差异及影响因素研究

来源:笔锋教育作者:论文代写网址:http://www.ibefront.com浏览数:1798 

摘要:研究废水排放量的动态分布特征及其影响因素对于制定合理的废水减少政策并最终实现减少废水目标具有重要理论意义和参考价值。本文基于2004-201531个省份的数据,以各省废水排放量为指标,利用ArcGIS进行绘图,采用THEIL指数和KERNEL密度估计方法,对东、中、西三大地区进行分解,研究废水排放量的地区差距,并采用空间计量进行影响因素研究。结果表明:第一,利用ArcGIS绘制的地图体现出我国废水排放量存在明显的空间非均衡特征。第二,从THEIL指数的分解来看,废水排放量地区差异呈下降趋势,区域间差异是主要来源。第三,KERNEI密度显示,地区差异增大。第四,通过空间计量分析发现,经济发展水平、平均人口和城市化水平对废水排放量具有显著性影响。

关键词:废水排放;地区差异;影响因素

The provinces wastewater differences andinfluencing factors of the research

Abstract: the research on the dynamicdistribution characteristics of wastewater and its influencing factors inestablishing reasonable wastewater reduction policy and ultimately achievereduce waste water has important theoretical meaning and reference value. Inthis paper, based on the data of 31 provinces in 2004-2004, to the provincialwastewater as an index, the use of ArcGIS for drawing, using THEIL index andKERNEL density estimation method, the three major areas in the eastern, centraland west decomposition, the regional disparities of the waste water emissions,and USES the space study on factors affecting measuring. Results show that:first, the use of ArcGIS map of reflecting the wastewater in our country existsobvious spatial disequilibrium. Second, from the point of view of THEIL indexdecomposition, wastewater emissions regional differences is on the decline,regional differences are the main source. Third, KERNEI density, according tothe regional differences. Fourth, through the spatial econometric analysis, theinfluence factors of wastewater including the level of economic development andpopulation.

Keywords: wastewater emissions; Regionaldifferences; Factors affecting

一、引言

水是生命之源,人类的生产、生活和生存都离不开水。伴随着我国经济的发展,工业化、城市化的快速展开,环境污染问题日益严重,这种高污染、高排放、低效率的经济发展方式严重阻碍了我国经济的持续健康发展。1987年,日本东京会议上达成了报告—《我们共同的未来》,它提出了可持续发展的理论,可持续发展理念开始传播。

我国有许多的江河湖泊,但却是一个水质型缺水的国家,水资源形势比较严峻,然而城市的工业用水和生活用水不断增加,并且我国各省的废水排放量严重超出了环境所能容纳的程度,北方的一些河流呈现出干枯的局面,生态功能几乎丧失。环境状况日益恶劣,从而加剧了发展经济与保护环境之间的矛盾。从图一中可以看出,从2004-2015年废水排放量逐年增加,最近超过7000000万吨,水资源状况令人堪忧,严重影响了人们的生产生活。缺水的主要原因在于:人口较多导致人均水资源量较少,同时水污染状况不容乐观。在排放的废水中,城镇生活废水尤其最多,相比工业废水还要多。加强废水的排放量的控制,进一步改善城乡用水的环境,这是我国建设生态文明型社会的重要目标,也是转变经济发展方式,促进经济绿色发展的重要内容。近年来采用了很多技术来控制和治理水污染,加大资金投入修建基础设施,以满足人们的生产生活用水量,但由于其他许多因素的影响,我国缺水的状况仍然不容乐观。废水的减排问题和废水总量的控制问题是管理环境的重要措施,合理利用水资源,节约用水,加强技术研发提高水资源的使用率,保证水资源的永续利用。政府在“十五”规划中提出了减排的重要目标,必须要采取可行的措施完成这一目标。

二、文献综述

齐漫,陈昆仑,丁镭(2016)探讨镭废水排放的时空分布在2002-2013年及影响因素。得出结论:生活用水排放量呈上升趋势,并在空间聚集,东部沿海地区是高排放区,西部地区是低排放区,技术进步和经济发展水平是影响生活用水的因素。廖启鹏,吴雅琼,吕志坚,安斌(2011)通过对废水排放在1985-2008

1.2004-2015全国废水排放总量

的空间研究,从而看出我国的废水排放量呈现上升趋势,城市生活用水排放最显著,工业用水排放量变化不大,处理污水的设施增加较快,用于废水处理的投资额增加。周璇、孙辉(2013)的面板数据只发现在个别省份有库兹涅茨曲线,且曲线形状不同,拐点不同,东部地区经济发展水平较高,工业化水平较高,废水排放量较多。王洁华(2010)根据上海1991-2007年废水排放量,对比分析得出生活产生的废水在增加,工业产生的废水量在减少,认为人口对废水排放量具有一定的影响。

上述文献研究都得到了一些实用的结论,然而大部分文献都假设废水排放量与经济增长有一些关系,所以在理论和逻辑上存在一点不足。本研究在考虑到以上前人的研究后,选择用空间计量的方法验证经济发展、人口、和城市化等因素对各省废水排放量的影响。本文将利用ARCGIS画图软件描述地方废水排放量的空间差异,并通过核密度的方法进行废水排放量的分布动态分析,采用泰尔指数测度差异程度,并将总的差异划分为区域内部差异和区域之间差异,并且采用空间计量的方法对影响废水排放的因素进行回归分析,了解各省污水排放的空间格局及其影响因素,为减排目标和区域环境治理的科学政策提供一定的依据,切实解决好水资源问题。

三、方法与数据

(一)、数据

本文采用全国分省数据,样本中不考虑香港,澳门以及台湾地区,全部样本为31个省(直辖市、自治区),样本的时期跨度为2004-1015年。

废水排放量。作为被解释变量,用y来表示,相关数据来源于国家统计局。

2、地区生产总值。考虑到国家统计局原始数据是名义GDP,包括了通货膨胀。所以选取各省生产总值和GDP平减指数,以2005=100,计算出以2005年为基期的地区生产总值指数,然后用这个指数乘以各省的GDP,得到以2005年为基期的生产总值。用k来表示,在影响因素分析中,为了消除异方差的影响,对地区生产总值取以e为底的对数。地区生产总值越高,往往表明该地区经济发展那水平较高,工业较发达,工业用水排放较多。

3、平均人口。在国家统计局里选取各省的人口数,然后计算出平均人口,本年平均人口=(上年人口+本年人口)/2。用l来表示,在影响因素分析中,为了消除异方差的影响,对平均人口取以e为底的对数。一个地区人口越多,生活用水就会越多,同时废水的排放量也就会越多,但一个地区的人口在短时间内难以减少,要控制人口增长。

4、城市化水平。城镇人口和总人口数据来自国家统计局,用u来表示。城市化水平=城镇人口/总人口。城市化水平衡量了城市的发展程度,在2002年,城镇人口多于农村,城镇的发展开始到了关键时期。城市化水平越高,城市人口也就越多,工业越发达,需要更多的水资源。

(二)、方法

1、泰尔指数及其差异

在本文中,泰尔指数被用来测度废水排放量的区域差异程度,并对其进行空间分解。泰尔指数是广义熵(GE)指标体系的一种特殊形式,最初是被泰尔用来计算国家之间的收入差异,之后被用来研究不同区域之间的收入差异。泰尔指数最大的优点在于能够将区域间的总体差异分解为区域内差异和区域间差异两个部分,从而为观察和揭示区域内差异和区域间差异的变动方向和变动幅度,以及各部分在总差异中的意义及其影响提供了便利。泰尔指数在0~ 1之间取值,值越小,那么其区域差异较小;数值越大,那么其区域差异就会较大。

T(y;n)=1/n _i▒y_i/ulog y_i/u (1)

T(y^g;n_g )=1/n_g _(i=1)^(n_g)▒(y_i^g)/u_glog (y_i^g)/u_g ( 2)

T_a=_g▒(n_gu_g)/n_u T(y^g;n_g) (3)

T_b=1/n _g▒n_gu_g/u log u_g/u (4)

T(y;n)=T_a+T_b (5)

其中,T表示泰尔指数,n为样本的个数,即所有省份的个数,n= 12…,n;μ为所有样本的均;Ta为泰尔指数的地区内部差异; Tb为地区间差异的Theil;g为子群数,即所有样本可被分为g个子群,h= 12,…,g;μ为第 g个子群的算术平均数;Tgg个子群的泰尔指数。

2、区域划分标准

泰尔指数的空间差异与地区划分有密切关系,由于区域之间的差异体现在不同的空间模式和不同时间的不同特点,不同的空间尺度下的区域泰尔指数测度结果往往存在一定的差异。本文采用三大区域,研究总体差异,区域内部和区域间的差异。三大区域:东部地区,包括北京,天津,河北,辽宁,山东,江苏,浙江,上海,广西,福建,广东,海南,中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南,西部地区包括重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。

Kernel 密度估计

核密度估计是一种重要的非参数估计方法,成为研究非均衡分布的一种重要的方法。它主要用于对概率密度进行估计,用连续的密度曲线描述随机变量的分布形态。假设随机变量X 的密度函数为 f (x)x的概率密度可以用以下公式来计算:

f(x)=1/Nh _(i=1)^N▒K((X_i-x)/h) 6

在此公式中,,K()表示核函数,它是一种加权函数或平滑转换函数, N为研究对象中观测值的个数,h为带宽, Xi为独立同分布的观测值,x 为均值。在核密度函数估计过程中,Kernel密度函数对带宽的选择异常敏感,因此对于核函数和带宽选择是至关重要。

核函数选择实际应用中, Kernel核函数形式主要包括:高斯核、、三角核、四角核和Epanechnikov核等四种,选择的依据在于分组数据的密集程度。经验研究显示, 所采用的分组数据越少,选择高斯核函数的可能性越大, 基于此,我们选用高斯核函数进行各省废水排放量的分布动态演进估计,函数表达式:

Kx=1/2πexp(-x^2/2) 7

Silverman研究发现, 带宽决定了核密度估计的精确度和核密度图的平滑程度。当核函数已知时,如果带宽选择太小的话,估计结果可能不准确 ,还会出现一些数据噪声和一些不符合现实状况的伪造信息;如果带宽选择太大的话,估计结果容易过于平滑,较容易掩盖真实的数据结构,遗失一些重要结构性信息。在实际估计过程中,如果使用较多的样本,则应选择较小的带宽,但不应太小,即,hn的函数,以满足下列要求:   lim〗┬(N→∞)h(N)=N→∞〗8

当带宽选择满足上述公式时,核密度函数的估计是渐近的、无偏的一致估计。

4Moran's I指数

空间权重矩阵的设置:本文使用空间邻接权重矩阵,邻接空间权重指的是如果两个单元在空间上是相邻的,则认为二者存在空间相关关系,那么取值为1; 反之,不相邻则不存在相关关系,那么取值为0。但邻接空间按权重矩阵在多数情况下与客观事实之间是存在一定差距的,因为其假设是只有相邻的地区之间才存在着影响,而不相邻地区是不存在联系的。

空间相关性检验Moran指数最早是被用于研究全体数据聚集程度的指数,他可以检验在整个研究区中相邻两个地区间是相似、相异还是相互独立的。本文同大多数空间计量研究一致,采用的是探索性空间数据分析和空间统计学中的指数对废水排放的空间相关性进行检验,该指数公式

Moran^' s I=(n_(i=1)^n▒_(i=1)^n▒w_(ij(x_i-x̅)(x_j-x ̅)^2) )/(_(i=1)^n▒_(j=1)^n▒w_ij_(i=1)^n▒(x_i-x̅))=(_(i=1)^n▒_(i=1)^n▒w_(ij(x_i-x̅)(x_j-x ̅)) )/(S^2_(i=1)^n▒_(j=1)^n▒w_ij) 9

S^2=1/n _(i=1)^n▒(x_i-x̅)^2〗,x ̅=1/n _(i=1)^n▒x_i, n 为空间单元的总数,在本文中是研究的31个省,ij表示空间单元,wij为空间权重矩阵元素,xi表示第i 空间废水排放量的观测值,x ̅表示废水排放的平均值,s^2表示废水排放量的方差,Moran指数中的I是废水的观测值与他的空间滞后之间的相关系数。Moran'sI 指数的取值范围为[- 11],大于0 时表示废水排放呈现空间正相关; 小于0 时表示废水排放呈空间负相关; 若等于0 则表示废水排放在空间上是独立分布的,不相关。Moran'sI 指数绝对值表示了空间相关程度的大小,绝对值越大表明空间相关性越大,反之则会越小。Moran'sI 指数可以表示出废水排放的整体的空间相关性,并且通过绘制Moran 散点图可以更加直观地描述出局部地区的空间相关性和空间集聚的特征。

5、空间计量模型

本文采用面板数据进行研究,考察地区生产总值,平均人口,城市化水平对废水排放量的影响程度。由此构建了三个模型。经典的模型SAR指仅在被解释变量中存在空间相关性,经典的SDM模型指在考虑了被解释变量空间相关性的基础上考虑了解释变量的空间相关性,而经典的SEM模型则是指在误差项中存在空间相关性。

SAR模型:y_t=ρwy_t+βx_t10

SDM模型:y_y=ρwy_t+βx_t+θwx_t11

SEM模型:y_y=βx_t12

在模型中,ρ表示外地的y对本地y的影响,β表示本地区的变量对本地y的影响,属于直接效应,θ表示外地区的变量对本地区y的影响,属于间接效应,为空间溢出。

四、我国废排放量的地区差异及其分解

(一)、我国废水排放量的可视化描述

2004-20077年分省的废水排放量作为被解释变量,使用ArcGIS这一软件绘制了2004年,2007年,2010年,2015年中国废水排放量的地区差异分布图,见图1,图2,图3,图4.从图中可以看出,我国废水排放量存在明显的空间非均衡特征,总体上表现出从东部地区到西部地区递减的分布,同时,我国废水排放量水平在考察期内呈现上升趋势。

22004年各省废水排放量32007年各省废水排放量

从图2中可以看出,东部地区废水排放量普遍较高,只有海南地区排放量较少;中部地区中各省排放量相比东部地区低,但黑龙江、河南、湖北、湖南地区排放量较高;总体来说,西部地区排放量最低,广西,四川较高。平均排放量是155615.936万吨,超过平均水平的有13个省,低于平均水平的是18各省,各省废水排放量差异较大,广东省排放量最高为541717吨,西藏排放量最低为4501吨,最高与最低相差537216万吨。2004年,全国废水排放量共有4824094万吨,东部地区排放量有2521243万吨,占总排放量的52.26%,中部地区排放量有1296697万吨,占总排放量的26.88%,西部地区排放量有1006154万吨,占总排放量的20.86%。东部地区排放量占有较高的比重,因为东部地区经济比较发达,工业发达,生产生活用水较多,排放量比较高,西部地区经济欠发达,排放的废水量比较少。从中可以看出我国的废水排放在空间上是非均衡的特征。

从图3中可以看出,2007年平均排放量是179628.84万吨,比2004年增加了24012.91万吨,排放量增加较明显。高于平均排放量的有10个省,比2004年减少了三个省,排放量最高的省仍然是广东省为690887.04万吨,最少的省仍然是西藏为3335.56万吨。有18个省排放量超过10万吨。2007年,全国废水排放量共有5568494.14万吨,2007年废水排放量比2004年相比有增加,比2014年增加了15.4%。东部地区排放量有2966267.53万吨,占总排放量的53.27%,中部地区排放量有1423141.42,占总排放量的25.56%,西部地区排放量有1179085.19,占总排放量的21.17%。与2014年相比较可以得出,东部地区占有的比重较大,并且仍在增加,中部地区有减少的趋势,其他地区有上升状况,从总体上来说,2007年的废水排放量相比2004年有增加,并且差异在扩大。

4.2010年各省废水排放量5.2015年各省废水排放量

从图4中可以看出,排放量最高的省为广东省有722978万吨,最低的省为西藏是3825万吨,最高排放量是最低排放量的189倍,差异较大。平均排放量是199114.97万吨,超过平均水平的有13个省,比2007年增加了3各省,有21个省排放量超10万吨,比2007年增加了3个省。全国总排放量为6172564万吨,东部地区排放量2966267.53万吨,占全国排放量的53.76%,超过一半,在全国占有很大的比重,全国废水排放量主要来源于东部地区,超过10万吨的有7个,超过30万吨的有3个,分别是浙江省,福建省,海南省,最高的是海南省,是722978万吨,最低的是辽宁省,是36689万吨,中部地区排放量1423141.42万吨,占全国的25.83%,远远小于东部地区,和西部地区差不多。每个省都是超过10万吨,超过20万吨的有5个,最高的湖北省,有555500万吨,最低的是黑龙江省,有136415万吨,西部地区排放量1179085.19万吨,占有全国的20.41%,远远小于东部地区,和中部地区接近,东部地区和中西部地区的差异比较大,废水排放量超过10万吨的有6个省,超过20万吨的省有3个省,最高的省是贵州省,有436372万吨,最低的省是内蒙古省,有3825万吨。东西部差距较大。

从图5中可以看出,广东省排放量最高为911522.63万吨,西藏排放量最低为5883.3万吨。总排放量是7353226.82万吨,东部地区排放量是351095.2682万吨,在全国中占有52.25%,比2010年比重有降低,但废水排放量增加了,东部地区中超过10万吨的有7个省份,超过20万吨得有5,分别是浙江省,福建省,山东省,广东省,海南省,超过30万吨的有两个,分别是浙江省和海南省,中部地区排放量248249.0525万吨,占有全国的27.01%,与2010年相比,比重有增加,并且废水排放量也增加了,超过10万吨得有7个,超过20万吨的有5个,超过30万吨有2个,分别是吉林和湖北省。西部地区排放量是125432.2042万吨,在全国中占有15.06%的比重,比重与2010年相比降低了,但废水排放量增加了,超过10万吨的有5个,分别是宁夏省,云南省,贵州省,青海省,广西省,最高的是贵州省,有559907.67万吨,最低的是内蒙古省,有5883.3万吨。总体上与2010年相比,各个地区的废水排放量都增加了。

11年的时间跨度让我们看到了中国废水排放量发生了巨大的变化,从整体上来看,我国的废水排放量呈增加趋势,东部地区废水排放量明显高于中西部,不同地区之间存在较大的差异。我们看到了不仅各省废水排放量增加,而且区域之间的差异呈现出十分明显的趋势,这种极端的不均衡值得我们加以关注并深入探讨。

(二)、Theil指数测度及按地区分解

为了进一步考察我国各省废水排放量的各地区差异,测算了我国及东中西部地区组间和组内部的差异。具体数据见表1.

1泰尔指数表

全国     地区内  地区间  东部      中部      西部

2004       0.127694      0.091063      0.036631      0.094799       0.035864      0.152839

2005       0.133574      0.096589      0.036985      0.101353       0.034845      0.159025

2006       0.136132      0.094474      0.041658      0.097007       0.035686      0.162347

2007       0.135326      0.097895      0.037431      0.101333       0.035777      0.164221

2008       0.131531      0.096873      0.034658      0.097498       0.036081      0.165887

2009       0.128815      0.091047      0.037768      0.093699       0.039283      0.147497

2010       0.130792      0.090427      0.040365      0.096816       0.037591      0.140453

2011       0.128136      0.085574      0.042562      0.100581       0.034219      0.115027

2012       0.126615      0.086184      0.040431      0.10341 0.032776       0.113792

2013       0.126865      0.087269      0.039595      0.14632 0.034586       0.113277

2014       0.126266      0.087506      0.03876 0.104493      0.03472       0.113512

2015       0.12736 0.089212      0.038148      0.106116      0.035096       0.117242

废水排放量分布的地区内差异。东部地区的废水排放量地区在样本考察期内呈现出上升趋势,相对于2004 年,2015年东部地区废水排放量的地区差异年均下降0.94% ; 20040.094799 增长至2015最大值0.1061162004年到2008年一直处于波动中,2009年到2015年开始逐步上升。中部地区的废水排放量的地区差异总体上没有什么变化,相对于2004年的0.035862009年中部地区废水排放差异为0.035096,从结果上来看,没有什么变化,但在样本考察期内一直处于波动,由2004年的0.03586下降至2005年的0.034845,随后出现了上升,一直到2009年,然后开始下降到2012年,2012年到2015年处于波动。相对于东部地区,中部地区废水排放量变化比较平稳,基本保持在0.03左右。西部地区废水排放量分布的地区差异呈现出缩小的趋势,相对于2004年,2015年西部地区废水排放量的地区差异增加了0.034。从演变态势看,西部地区废水排放量地区差异的变化比较大,2004年到2009年处于上升状况,2009年到2015年一直下降,近几年基本保持在0.113~0.117左右。

废水排放量分布的地区间差异。废水排放量的地区间差异在样本考察期内呈现波动态势,2004年到2007年地区间差异一直波动,2007年到2011年呈下降趋势,由0.097895下降到0.0855742011年到2015年开始呈上升趋势,由0.085574上升到0.089212,总体上呈现出先下降后上升的趋势。

废水排放量地区差异的来源及其贡献率。在2004-2015年内,地区间差异在整个差异中占有较大比重,并且一直大于地区内部差异的贡献率,这表明了地区间差异是导致我国废水排放量分布地区差异的主要来源。而且,近年来区域差异对区域总体差异贡献率呈扩大趋势。与2011相比,2015区域差异对区域总体差异贡献率为0.004。然而我国三大地区内部的差异相对于2011年来说,总体差异的贡献下降了0.0034,呈现下降态势。

6.东部、中部和西部地区泰尔指数图

7.全国泰尔指数折线图

从表一中可以看出,全国废水排放泰尔指数在2004-2015年出现了反复上升与下降,但整体呈下降趋势。从其演变过程来看,由2004年的0.127694上升到2006年的0.136132,达到最大值,然后连续三年下降,下降到2009年的0.128815,2010年上升,2011年又开始下降,一直到2014年,2015年又开始上升。

五、我国废水排放量的Kernel密度估计

从整体上描述了全国31个省(区、直辖市)废水排放量在样本考察期内的变化。从整体来看,密度函数中心向右移动,波峰更平坦,变化区间增加,双峰变为多峰,这表明废水排放量的地区差距在样本考察期内变大。

具体来看,相对于2004年,2007年密度函数中心稍向右移动,变得更平缓,变化区间增大,峰值减小,由双峰变成了单峰,这说明地区差距在这期间变大,两极现象消失。相比较于2010年,2007年的变化范围稍微增加,主峰变化不大,这说明差距略有增加。与2010 年相比,2015 年峰值减小,出现多峰,变化区间增加,这表明地区差距增加的同时出现多极分化。从2015年的核密度图和2004年的核密度可以看出,峰值减小,变化区间明显增大并出现多峰,可以得到各地区之间差距在2004年到2015年之间存在着增加的趋势。

8.全国废水排放量的核密度图

9.东部地区废水排放量的核密度图

10.中部地区废水排放量核密度图

10从整体上描述了中部地区废水排放在样本考察期内的变化。从整个图形中可以看出,整个图形在明显的向右移动,波峰更平坦,峰值减小,多峰消失。从变化过程来看,与2004 年相比,图形再向有移动,这说明密度函数中心向右侧移动,变化区间增大,峰值减小,双峰仍然存在,这表明地区差距变大且两极分化仍存在。相比较2007年,2010年峰值变小,波峰更平坦,两峰消失,这说明地区差距扩大,两极分化现象消失。与2010 年相比,20105年密度函数中心右移,峰值降低,波峰更加平坦,变化区间增大,这表明地区差距增大。在20152004,密度函数中心向右侧移动,波峰更平坦,两峰成单峰,变化范围增大。这表明抽样调查期间区域差异有所增加,

11从整体上描述了西部地区废水排放量在样本考察期内的变化。从总体上来说,地区之间差距在2004年到2015年出现增大的状况并出现多极分化的现象。具体来看,相比较于之前,2007年的图形向右移动这表明密度函数中心向右移动,峰值减小,变化区间增大,由双峰变成多峰,两极化变成多极化,这表明在此期间地区差距增大。和上述的分析相比来看,2010年的峰值减小,变化范围变大,多个峰减少成两个峰,表明地区差距呈现增大趋势,多极化现象变成两极分化。与20152004相比,密度函数中心明显向右侧移动,峰值减小,波峰变平,双峰成为单峰。这表明采样期内区域差异增大,极化消失。在2015年,密度函数中心明显向右侧移动,峰值减小,波峰更加扁平,双峰变为单峰,这表明在2004年到2015年内地区差距增大,两极化消失

11.西部地区废水排放量核密度图

六、空间计量建模及估计

(一)、MoransI

1、全局空间相关性

我们在采用空间计量的方法之前,首先要看是否具有空间相关性。空间相关性既可以通过ARCGIS绘制的地图,基于ARCGIS进行空间探索性分析。除此之外,还可以通过具体指标来测算。在本文中,我们我们通过Stata计算邻接权重下的MoransI数值,来分析空间相关性,若数值较大,说明具有一定的空间相关性,则要用空间计量的方法,如果数值很小,则不用空间计量。邻接权重下的MoransI数值如下表3所示,由上表可以看出,中国各省市自治区地方财政教育支出有显著的全局空间依赖性。

2被解释变量的MoransI指数统计

2、局域空间相关性

为了进一步说明建立空间计量模型的必要性,本文采用Moran散点图来研究局部空间的相关性。

122004Moran散点图13 2007Moran散点图

142010Moran散点图15 2015Moran散点图

本文采用Morans I 指数,对中国各省废水排放量的空间相关性进行检验。散点图的横轴从左到右是废水排放量由低到高,纵轴由上到下是指标由高到低,右上角的第一象限是HH区域,左下角的第三象限是LL区域。从检验结果中可以看出,我国的废水排放量存在较为显著的空间相关性。为了进一步观察废水排放量的空间集聚特征,本文绘制2004年,2007年,2010年,2015年的Moran散点图。从散点图中可以得出,大多数省份位于第一、第三象限,这进一步表明中国废水排放量在空间上存在着集聚特征,说明废水排放量高的地方周围也是废水排放量高的地方,废水排放量的低的周围是排放量低的。总而言之,我国废水排放量的在空间上分布是非均衡的。

3、结论

通过采用MoransI测算全局空间相关性,发现MoransI的值接近0.2,通过绘制Moran散点图测算局域相关性,结果发现,大部分的莫兰散点图在第一象限和第三象限。。所以,无论是全局相关性还是局域相关性都较为显著,因此我们在进行因素分析的时候要采用空间计量的方法。

(二)、SAR.SDM.SEM模型

传统计量模型回归检验结果

首先,不考虑空间因素,使用传统计量模型检验经济发展水平、人口规模和城镇化对各省废水排放量的影响。分别采用混合估计、固定效应和随机效应估计方法进行回归,我们可以看到表3是最终的结果。三种模型的R2较高,分别为0.9391,0.88380.9390且混合估计和固定效应的F值分别是1892.5201.71,随机效应的Wald值是1052.87。另外,从变量的回归系数来看,三个模型的所有回归系数均通过1%的显著性水平检验。在三种模型中经济发展水平、平均人口和城市化水平的回归系数均为正,这表明经济发展水平、平均人口和城市化水平对废水排放量具有明显的推动作用。

3传统计量模型回归结果

OLS      固定效应     随机效应

Lnk       .0806284***       .2213196 ***      .1169968***

(1.78)   (4.01)    (2.83)

lnl  1.011078***      .277824 **   .9082017 ***

(20.28 ) (1.58)    (12.89 )

u    2.107129***      1.183437***       1.825485***

(11.53)  (2.67)    (5.64)

_cons    1.846042***       6.983682***       2.495412 *

(12.61) (5.69)    (5.68)

R²  0.9391   0.8838   0.9390

F test    1892.50 201.71   -

Wald     -      -      1052.87

N   372 372 372

t statistics in parentheses

* p < 0.05, ** p < 0.01, *** p< 0.001

在进行了豪斯曼检验后,得到结果伴随概率p0.0015,所以得出结论固定效应优于随机效应。

2、空间面板数据模型经验估计结果

本文采用经典的SAR模型、SDM模型和SEM模型分别进行回归分析。经典的SAR模型意味着只有在解释变量中才有空间相关性,经典的SDM模型指在考虑了被解释变量空间相关性的基础上考虑了解释变量的空间相关性,而SEM则是指在误差项中存在空间相关性。在相关理论分析中,SAR模型缺点是忽略了误差项具有的空间依赖性特征,而SEM模型的缺点是没有考虑到因变量的空间依赖性特征,当我们用比较似然函数值为基础来试图设立一个正确的模型时,就会出现干扰项带来的的空间依赖性这个问题,而SDM模型正好看到了这一点,并且在原有的模型的基础上进行加以修正,这样不仅修正了干扰项具有的空间依赖性特征,并且很好的检验和回归了因变量的空间依赖性。根据上边所说的步骤,在邻接空间权重下对SARSDMSEM进行了固定效应的回归得到了表4的检验结果,并通过对模型的选择,最终确定了SDM模型作为最终的解释模型,并对SDM的空间溢出效应进行了分解,得到表5的检验结果

4在邻接空间权重下的三种模型固定效应回归结果

SAR     SDM      SEM

Main    

lnk .2555166***       .0987703 ***      .223237 ***

(4.37)   (0.82)    (4.50)

lnl  .2961159*   .3711604***       .2734765*

( 1.77)  (1.51)    1.75

u    1.223649***       1.210857 ***      1.204182 ***

(2.90)   (2.51)    (2.99)

Spatial  

rho -.100766       -.1303105 **      

(-1.32)  (-1.62)  

lambda -.1387127

(-1.74)

Variance      

(-14.45)       (-8.07)  

sigma2_e     .0112938***      .0111679 ** .0112326 ***

(13.62) (13.61) (13.61)

Wx      

yz  .1385804      

(1.03)  

p    -.2011998***    

(-0.49)  

i     .3590082*  

(0.46)  

R2 0.8888   0.8949   0.8802

Log-likelihood   305.6743      307.4845      306.3199

AIC      -601.3486     -598.9689     -602.6398

N   372 372 372

t statistics in parentheses

* p < 0.05, ** p < 0.01, *** p< 0.001

4报告了三个模型的回归结果,SAR模型的log-likelihood305.6743AIC值是-601.3486R20.8949SDM模型的log-likelihood305.6743AIC值是-601.3486R20.8949SEM模型的log-likelihood306.3199AIC值是-602.6398R20.8802,通过对比SARSDMSEM的最大似然估计值、AIC值以及R2,按照log-likelihood越大、AIC值越小、R2越大模型的解释能力越强的原则和标准来对模型进行选择。所以,在邻接空间权重矩阵下,我们选择SDM模型即Durbin模型作为最终的解释模型。

本文分解经济发展水平、人口规模、城市化水平的空间溢出效应,表5是得出的结果  

5空间溢出效应分解

效应     变量      邻接空间权重

直接效应(区间内)     k     .0394919***

(0.78)

l     .03658339

(1.48)

u    0.0225915***

(2.51)

间接效应    k     .1084441

(0.79)

l     -.2127072

(-0.58)

u    .1853441

(0.24)

总效应 k     .207936*

(2.94)

l     .1531267*

(0.65 )

u    1.411259*

(2.36)

t statistics in parentheses

* p < 0.05, ** p < 0.01, *** p< 0.001

1.地区生产总值的空间溢出效应。

在地区内邻接空间权重下,经济发展水平的区域内溢出效应为.0394919,通过了5%的显著性水平检验。这说明经济发展水平对于废水排放量具有正相关关系。在考虑了距离因素后,反映到地区之间时经济发展水平对于废水排放量通过10%的显著性检验,这说明某地区的经济发展水平的增长会对周围地区的废水排放量也有什么影响。从中可以看出一个地区的经济发展状况对该地区废水排放量有重要影响。

2.平均人口的空间溢出效应。

在地区内的邻接空间权重下,平均人口的溢出效应为0.0658339,通过了10%的显著性水平检验,这说明平均人口越多,对于废水排放量的影响越明显;在地区间的溢出效应为-.2127072,没有通过了10%的显著性水平检验。

3.城市化的空间溢出效应。

在地区内邻接空间权重下,城镇化的区域内溢出效应为0.0225915,通过了5%的显著性水平检验。这说明城市化水平对于废水排放量具有正相关关系,而且这种作用在考虑了距离因素后,反映到地区之间时城镇化对于废水排放量溢出效应为0.061853441,通过了10%的显著性水平检验,这说明某地区的城镇化的增长会对周围地区的废水排放量有促进作用。

综上所述,地区生产总值和城市化对废水排放量具有显著的影响,而平均人口对废水排放量也有较为显著的影响。

七、总结与建议

基于我国2004-2015 31个省份的数据,文章以废水排放量为指标,采用泰尔系数和Kernel 密度估计方法,对废水排放量的空间非均衡分布进行了实证研究,从中得出:第一,利用 GIS 绘制的废水排放量地图直观地表现出我国废水排放量在全国范围内存在较为明显的不平衡的情况,第二、通过对泰尔系数的计算可以看出,我国废水排放量之间的差异在日益扩大,各省之间的内部的差距要比各省内部的差异大;第三,Kernel密度估计显示,我国废水排放量空间差异不断加深,地区间差距呈现缩小趋势,地区内的差异呈扩大趋势;第四,通过MoransI的测度,发现废水排放量不管是在全域还是局域空间上都存在一定的空间相关性,从而利用空间计量的经典模型,通过SAR,SEM,SDM模型的检验,从中得出经济发展水平和城市化水平是影响废水排放量的重要因素,人口对废水排放具有一定的影响。

水资源短缺、废水排放作为我国重要的环境问题,必定会对我国的可持续发展道路、建设小康社会造成消极的影响。根据上述结论,综合考虑我国各省废水排放现状和影响因素,治理废水排放我们可考虑以几个措施:第一,要更加重视我国废水排放量的空间非均衡问题。在我国经济发展不平衡的情况下,废水排放量的分布差异有可能会影响经济发展的不平衡。第二,对水资源的利用进行管理,计划用水节约用水。人口增加会导致用水量的增加,但是人口数量的增加并不能在短时间之内改变,然而如果人们有意识去地节约用水,不浪费水资源,那么就可以在一定程度上控制各省的废水排放量;第三,完善废水的净化设施,加强管理,对以前建设的现在已经老化的或者建设的不理想的所有的排水管道进行整体修理甚至重新建设,将工业用水,生活废水,生产用水进行按类别排放,分类集中处理;第四,要加强城乡生活生产的废水的净化处理,如果可以的话进行回收利用,把处理留下来的废水用于对水要求不高的市政用水,比如喷洒路面、冲洗脏的车辆、浇灌花草树木、绿地等 ,这样做不仅可以减少废水的排放量,又能够节省了干净水的消耗量, 将减排,节约用水有机结合起来,保证水资源可以永远使用下去,促进我国经济又好又快发展。

本科硕士毕业论文代写、职称论文代写代发、留学生论文代写

QQ 841100140

微信 papertest