从异化消费到生态消费

以机器大生产为标志的工业文明将人类推向了一个物质发达的社会。工业技术的革新使社会生产力得到大力发展,人类的消费逐渐趋于奢侈和浪费。与此同时,由于资本主义社会的生产资料私人占有,生产的扩大具有盲目性。马克思的异化劳动理论对资本主义社会的剥削关系进行了深入细致的分析,将批判视角从生产领域延伸到消费领域,马克思由此提出了异化消费理论。异化消费理论为当代消费群体的各种不当消费提供了重要的理论支持,伴随而来的奢侈消费、享乐消费、符号消费盛行,导致一些错误的消费价值取向产生,造成大量的资源浪费和环境负担。因此,推动异化消费向生态消费的转型尤为重要。生态消费是促进社会的生态化转型和实现可持续发展的重要手段,是适度消费、有限消费、低碳消费、可持续消费和需求性消费,需要政府的“引导力”、企业的“推动力”、社会媒体的“宣传力”、社会公众的“内在动力”等合力而行,共同构建生态消费社会对于促进我国生态文明建设和美丽中国建设具有重要的理论价值和实践意义。     

高Si/C高强度铸铁中C、Si、Si/C的作用及其选择

本文叙述了高Si/C高强度灰铸铁中碳、硅元素存在的形式及其对结晶过程的影响。试验表明,当碳当量一定时,随着Si/C的升高,初生奥氏体枝晶数量增多并且细化和强化,从而构成了强度的基础。该铸铁的强度模式应为“初生奥氏+共晶团”。本文对E型石墨存在的必然性和合理性也进行了讨论。     

碱金属三碘化物稳定性规律的热力学探讨

用热力学原理讨论了碱金属三碘化物的热稳定性顺序以及它们在常温常压下存在的可能性     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.     

区域旅游业碳排放的时空差异——以山东省为例

碳排放问题是区域旅游业发展不可忽视的环境问题之一。根据相关统计数据,按照"自下而上"分析法对2000-2015年山东省旅游业碳排放进行定量估算,并采用系统聚类法将山东省旅游业碳排放划分为高、中、低三类碳排放区域,具体剖析山东省旅游业碳排放的区域差异。结果表明:（1）碳排放总量、游客人均碳排放量和碳排放强度是衡量区域旅游业碳排放的重要指标。2000-2015年山东省旅游业碳排放总量持续增长,而游客人均碳排放量和旅游业碳排放强度则逐年下降,旅游业节能减排取得一定成效。（2）区域旅游业三大部门碳排放存在明显差异,旅游交通是区域旅游业碳排放的主要来源,旅游活动碳排放增长速度最快,而旅游住宿碳排放波动性较大。2000-2015年山东省旅游业累积碳排放总量为4 764.05万吨,其中,旅游交通、旅游住宿、旅游活动三大部门占比分别为66.52%、25.80%、7.68%。（3）区域旅游业碳排放水平空间差异显著。从空间分布上看,山东省旅游业碳排放总体上呈现东高西低、北高南低的特征,旅游业碳排放总量呈现出东部沿海 > 鲁中地区 > 鲁西地区,游客人均碳排放量和旅游业碳排放强度则是东部沿海 > 鲁西地区 > 鲁中地区;从碳排放指标上看,山东省大多数地市位于中高旅游业碳排放的行列,东部沿海是旅游业碳排放的主要来源区。     

中国省域碳排放的空间特征及影响因素

通过核密度分布和莫兰指数对中国2000—2015年30省份碳排放强度的动态趋势及集聚特征进行测度,并利用空间杜宾模型对其主要影响因素进行分析。结果显示:（1）中国30省份碳排放强度呈下降趋势,新常态以来低碳步伐加快;（2）碳排放强度的空间集聚性具有高水平集中、低水平集聚特征,空间溢出效应不断增强;（3）本省经济规模、产业结构对本省碳排放强度具有显著的正向影响,专利产出具有显著的负向影响;相邻省份的外商投资规模及能源消费结构变化对本省碳排放具有显著的空间溢出作用。因此,未来中国加快产业结构调整幅度、优化相邻省份间的产业空间布局以及大力发展绿色技术进步是中国促进区域低碳转型的主要方向,同时生态城镇化以及继续改善外商直接投资质量也是减排潜力因子,省域间的减排空间溢出效果不容忽视。     

中国电力消费周期的路径演化识别——基于Markov区制转移模型

基于1980-2016年中国第一产业、第二产业（工业、建筑业）和第三产业的年度电力消费数据,采用H-P滤波技术对中国电力消费的趋势成分和波动成分轨迹进行刻画,运用马尔科夫区制转移[MS（n）-AR（p）]模型分析中国电力消费周期在各区制间的动态转移过程,识别改革开放以来中国电力消费周期的路径演化特征,在此基础上预测未来5年中国电力消费周期的区制分布情况。研究发现:（1）中国电力消费增长率的波动程度自2003年明显缩窄,且从2007年开始进入下行周期。（2）中国电力消费周期具有较强的稳定性,不易向着其收缩期和扩张期跨越。且中国电力消费处于"低速增长区制"的年份往往对应着中国经济发展相对趋缓的大环境。（3）2014-2015年中国电力消费向其收缩期转移的迹象明显,但预测结果表明,未来5年中国电力消费整体上将继续保持稳定增长的趋势。     

中国工业行业碳强度的因素分析——基于超越对数生产函数

为探究工业行业碳强度变化的成因,基于Kaya恒等式的碳强度分解,以碳强度表示产出,以经济增长、能源消费量、能源消费结构和技术进步为投入要素构建超越对数生产函数,通过各要素的碳强度产出弹性反映各要素对碳强度的贡献;并运用通径分析法进一步揭示各要素间的相互关系及其与碳强度的直接和间接关系。结果表明:能源消费结构的优化和技术进步抑制了工业行业碳强度的增长,能源消费量的增长和工业增加值的增长拉动了碳强度的增长,其中能源消费结构和能源消费量对工业行业碳强度的影响显著,因此降低工业行业碳强度的关键在于减少能源消费结构和能源消费量的碳强度产出弹性;能源消费量、工业增加值和能源消费结构对能源消费量的碳强度产出弹性起直接推动作用,技术进步起直接抑制作用;工业增加值和能源消费量对能源消费结构的碳强度产出弹性起直接推动作用,技术进步和能源消费结构起直接抑制作用。可见,工业行业对能源消费的依赖性较强,降低工业行业碳强度应主要依靠技术进步转变能源利用方式,提高能源效率,优化能源消费结构。     

国际碳市场价格驱动力研究——以欧盟排放交易体系为例

探索碳市场价格驱动力是能源经济领域关注的焦点问题之一。基于欧盟排放交易体系（EU ETS）碳期货价格,综合运用结构性断点检验、协整技术和岭回归方法分析碳市场价格驱动因素和驱动模式。结果表明：2007年巴厘行动计划、2008年全球金融危机和2011年欧债危机,均对碳市场价格走势产生了显著影响,导致了碳市场价格发生结构性变化;碳市场价格与能源价格、工业生产、气温条件等因素间存在协整关系;自2009年10月以来,碳市场价格观测值低于均衡值,未来碳市场价格仍将倾向于贬值。     

中国城镇居民家庭储蓄水平队列效应分析

利用中国家庭收入调查（ CHIP）数据对城镇居民家庭的储蓄率进行了队列效应的实证研究。分析结果表明,属于不同队列的城镇家庭在储蓄水平上都呈现出相似的“U”型年龄分布,即中年家庭（40－50岁）储蓄率低,年轻家庭（20－40岁）和退休家庭储蓄率较高,这一现象与其他国家的实证研究结果有显著不同。本文认为,中国城镇居民储蓄率的“U”型年龄分布主要是由人口与经济的高速增长带来的：人口高速增长带来的队列规模效应使得面对更大竞争压力的年轻人口储蓄率较高,而经济水平持续增长带来的消费水平增长预期使得接近退休家庭储蓄水平重新上升。