基于随机前沿分析(SFA)方法的中国旅游业全要素生产率研究

以我国1997—2009年旅游业相关数据为样本,基于随机前沿分析方法,运用Malmquist指数模型对我国各省份、东中西及全国的旅游业全要素生产率指数进行了测算,并进一步分解为技术进步指数和技术效率指数。得到以下结论:样本期内,各省份旅游业全要素生产率呈现不断增长趋势,增长较快的省份主要来自中西部地区,东部地区的省份增长较慢。东中西地区的旅游业全要素生产率增长存在差异性,西部增长最快,东部最慢,三大区域旅游业全要素生产率的增长主要得益于技术进步,西部技术进步水平仍快于中东部地区。全国旅游业全要素生产率年均增长7.6449%,技术进步起了主要作用,技术进步年均增长6.9933%,而技术效率增长仅为0.609%,其影响较小。     

基于变参数模型的北京碳排放影响因素研究

基于STIRPAT模型,建立了北京碳排放与经济发展水平、能源消耗强度、产业结构和能源消费结构间的变参数模型,得出以下结论：①经济发展水平、能源利用效率和能源消费结构与人均碳排放正相关;产业结构大多数年份与人均碳排放负相关.②经济发展水平对人均碳排放的变弹性系数最大,依次是能源消费结构、能源利用效率和产业结构.③经济发展水平、能源利用效率和产业结构的变弹性系数呈现先升后降再升的趋势,只是上升和下降转折点有差异,能源消费结构变弹性系数波动较大.     

基于泰尔指数的我国碳生产率区域差异性分析

在应对全球气候变暖的背景下,中国的碳排放及其变化趋势成为世界各国关注的焦点.我国如何在保持经济高速增长的同时,抑制CO2排放增速、提高碳生产率是关键,而这需要依赖于省区层面的减排行动,从区域层面研究碳生产率问题具有重要现实意义.测算了东、中、西部地区域碳生产率的泰尔指数,并对总差异进行了分解,提出了对策建议.     

北京5A级旅游景区网络关注度分布特征研究

基于百度指数,分析了北京5A级景区周度、月度与黄金周的分布特征.研究结果表明:旅游景区网络关注度周五达到峰顶,周二达到谷底,双休日高于工作日.大部分景区月度呈现“三峰”特征,最高峰在10月,次高峰在4月和8月,与实际旅游流基本吻合.从“五一”和“十一”看,关注度呈现先升后降,“五一”关注度高峰出现在4月29-30日,具有前兆效应;而“十一”关注度高峰出现在10月2-3日,趋于与实际旅游流一致.     

基于LMDI分解法的我国碳生产率影响因素研究

运用LMDI分解法,以1995-2010年为样本期,按东、中、西三大区域把我国碳生产率总体变动分解为能源效率、碳排放能耗和碳排放结构3个影响因素,得出以下主要结论:1995-2010年我国碳生产率变化除了2003-2005年为负数外,其余期间均为正数,表明我国碳生产率在逐年提高.碳生产率总体变动因素分解的贡献值和贡献率表明,能源效率因素是影响我国碳生产率变动的主要因素,贡献值为0.9722,贡献率为87.66％,其变动趋势决定了碳生产率的变动趋势;单位碳排放能耗因素贡献值为0.1431,贡献率仅为12.9％,影响较小;而碳排放结构因素的贡献值和贡献率分别为-0.0063和-0.56％,表明碳排放结构抑制了碳生产率的增加.因此,提高区域能源效率,改善区域碳排放结构,对提高我国碳生产率具有重要意义.