【摘 要】
:
改革开放四十多年来,我国的经济发展取得了举世瞩目得成就,对外开放程度也日益提升。尤其近些年来,随着国家大力推行“引进来”和“走出去”相结合的战略方针,使得我国外商直接投资与对外直接投资规模更是不断扩大,俨然已经成为全球双向投资大国,对世界经济发展具有重要影响力。不过,我国经济实力在不断提升的同时,也对生态环境造成了一些负面影响,即二氧化碳排放量不断攀升。2006年我国以二氧化碳为主的温室气体排放量
论文部分内容阅读
改革开放四十多年来,我国的经济发展取得了举世瞩目得成就,对外开放程度也日益提升。尤其近些年来,随着国家大力推行“引进来”和“走出去”相结合的战略方针,使得我国外商直接投资与对外直接投资规模更是不断扩大,俨然已经成为全球双向投资大国,对世界经济发展具有重要影响力。不过,我国经济实力在不断提升的同时,也对生态环境造成了一些负面影响,即二氧化碳排放量不断攀升。2006年我国以二氧化碳为主的温室气体排放量超过美国,成为全球最大的二氧化碳排放国,此后碳排放量更是屡创新高。然而随着我国开始大力发展低碳经济,碳排放量增速虽逐渐放缓,但我国还是面临着碳减排的巨大压力。因此,在我国双向FDI对经济发展越来越重要,同时碳减排任务也迫在眉睫的背景下,研究我国双向FDI分别对二氧化碳排放的影响,对我国能否实现经济转型、兑现减排承诺具有重要意义。本文选取了2004-2017年我国30个省、直辖市、自治区的面板数据,计算了各地区二氧化碳排放量,并选取人均生产总值、对外开放程度、产业结构等作为控制变量,建立双向固定效应模型,对我国双向FDI的碳排放效应进行实证分析。同时对模型进行了地区异质性分析,以及利用环境规制与IFDI和OFDI的交互项对环境规制调节效应进行考察。实证分析结果表明:外商直接投资对我国碳排放有抑制作用,而对外直接投资则对我国碳排放有促进作用,即我国环境“污染避难所”现象并不成立。各地区双向FDI对碳排放的影响也存在差异,东部地区IFDI的碳减排效应强于中部地区,西部地区IFDI碳减排效应最弱且不显著;东部地区OFDI对二氧化碳的增强效应最强,中部次之,西部最后。关于双向FDI的环境规制调节效应方面,随着环境规制强度的增加,IFDI抑制碳排放的作用会增强,OFDI促进碳排放的作用会减弱。最终本文依据实证分析的结果和我国双向投资与国内碳排放的现状提出符合本国国情的政策建议。
其他文献
There are several articles written about how to enter into the Chinese market,how difficult it is to adapt to Chinese business culture and how to succeed in the Chinese market.However there is very li
当代我国的经济正处于“新常态”的环境中,我国经济的发展较以前相比,其发展速度变缓,而工业化初期所带来的经济加速增长的福利正在逐渐的削弱,我国经济已全面进入“结构性减速”的时代。在新常态下,寻找新的经济发展动力就显得愈发的重要。已有学者通过研究表明,在经济的发展过程中,产业结构的升级可以作为其更进一步发展的主要动力,因此各个国家都在寻求利用产业结构升级的方法,来实现国民经济的持续稳定增长,这已经上升
实体经济是中国发展的重要支柱和强大动力,保持实体经济持续增长是推动中国经济健康发展的基本要求。然而,在当前中国经济下行、经济进入新常态的情况下,实体经济的回报率低、周期长,而金融行业的利润率高、周期短,这使得大量资本流入金融部门,造成金融虚假繁荣、经济泡沫化严重的现象。 数字普惠金融是指一切采用数字技术促进普惠金融的行动,其在互联网技术的基础上与金融相结合,产生了诸多创新的金融业态。数字普惠金融
改革开放四十年以来,中国的经济取得了飞速的发展,2018年全年国内生产总值900390万亿元,人均年收入9732美元,高于中等收入国家的平均水平。但是高速度的经济增长是通过过度依赖能源和资源消耗形成的高投入、高能耗、高污染、低效率的生产方式来实现的。2017年在全国388个地级及以上城市中,仅有99个城市环境空气质量达标。国内各城市PM2.5和PM10年均浓度分别为44μg/m3和80μg/m3,
城镇化发展背景下新消费革命的来临和社会投资战略的转型推动大城市郊区多数乡村旅游目的地的产生。城郊型村庄作为旅游发展最为活跃的地区之一,其社会文化、经济效益以及生态环境多个方面受到深刻影响,人地系统遭遇剧烈变迁,由此引发的人地交互作用尤其明显。因此,探明乡村地区对旅游开发多重效应的响应,是促进目的地可持续水平的重要途径。本文构建农户尺度的旅游乡村社会—生态系统,确定农户适应性的分析框架、路径方法和概
信息技术和社交媒体的发展给诸多领域带来了大量数据,这些数据能够抽象出网络结构,反映出复杂系统的特性。作为复杂系统基本单元的节点,通过某种关系连接到一起,产生了相互作用并构成了复杂网络。挖掘网络数据背后的潜在信息,成为亟待解决的重要问题。许多机器学习技术的进步,为自动学习网络节点的向量表示提供了可能。 本学位论文针对复杂网络的表示学习问题展开研究。主要目的是将网络中的节点表示成低维实值的向量形式,
本文首先研究分布式Logistic回归处理存储在不同链接计算机中的海量数据,基于交替方向乘子(ADMM)算法,我们将Logistic问题的求解转化为多步迭代过程,并提出了一种通信成本可控的分布式Logistic算法.特别地,在分布式算法的每次迭代中,每台计算机都会更新局部估计量,并同时与邻居交互局部估计量.我们随后证明了分布式Logistic算法的收敛性,由于计算机网络的分散性,因此提出的分布式L
‘X‰?EauD, (1)J??k?IYA ????(??S?{.?u?IYA?,J?v‘?Log.?lq(0 (2)J??k?h?o U??Graphicallasso?.|)?{.?LADMM?{òT?.?|)L§?)?-?ü?ú?-?ü?,k|-?ü?÷v???h
变点问题在天文、通讯、医学、气象、工业自动控制等诸多人文科技领域都有着广泛的应用,变点研究还丰富了统计诊断和统计建模理论,具有重要的理论价值.变点问题的研究成果可以为人们的决策提供参考依据,为可能存在的风险提供防范措施,所以变点研究一直是学术界关注的焦点课题.尤其是在经济金融上,许多股票、债券等金融资产的价值变动及损益情况都呈现出不能用一般的正态分布来刻画的“尖峰”、“重尾”等特性,因此关于重尾序
随着信息技术的快速发展,使在诸多科学领域中对高维数据的采集成为可能,机器学习理论也更趋于完善,基于观测数据训练机器学习算法被广泛应用于各个学科.但大数据时代中数据量往往成几何倍数增长.面对这样一种海量数据的情况,在做好数据的存储与整理后,一个自然的问题是如何设计新的适合于大数据的学习算法.近年来在线学习算法与分布式算法的兴起为解决此类问题提供了新的处理和分析方式.在线学习解决了离线学习数据训练成本