3。2 网络分析方法

  一般通过网络密度、网络关联度、网络等级度和网络效率来描述网络特征。可以通过网络密度显示碳排放空间关联网络是否紧密，网络密度越大，则省际碳排放量的联系越紧密，碳排放空间关联网结构对我国各个省际碳排放量产生的影响越大。[8]网络关联度则展现出碳排放空间关联网络自身的稳健及脆弱。若网络中多条线都与单个省域相连，则碳排放空间关联网络对该省域有很高的依赖性。网络等级度与网络中各省域间的等级结构相关联，网络等级度越高则碳排放空间关联网络中省域间的级结构越紧密，越多省域在碳排放空间关联网络中位于边缘地位。网络效率碳排放表现出空间关联网络各省域间连接率。网络效率越低，省域之间的连线就越多，省域碳排放量间的联系越紧密，碳排放空间关联网络更趋于稳定。来自优I尔Q论T文D网WWw.YoueRw.com 加QQ7520~18766

  按照社会网络分析法（SNA），每个节点网络结构特征可采用点度中心度、中介中心度以及接近中心度这类指标来描述。点度中心度（Degree Centrality）通过网络中连接数来判断各省域碳排放空间关联网络中所处地位，该值越高，则该省域碳排放空间关联网络中和其他省域联系多，该省域位于该网络中心。中介中心度(Betweenness Cenrality)衡量该省域的媒介能力，中介中心度高，则该省域能控制外省碳排放量间行动，且位于网络中心地位。接近中心度（Closeness Centrality）描述网络内某省域碳排放中“不受其他省域控制”的程度。[9]该省接近中心度越高，那么其碳排放量与外省间的直接关联越多，在网络中为中心行动者。

3。3 样本数据

本文以中国大陆的30个省域（不含西藏）作为网络节点，实证考察了碳排放的空间关联，样本的时期跨度为2000-2014年。引力模型测算所需的数据来源及处理如下：各省域碳排放总量、各省地区生产总值、人口数来源于相应年份的《中国统计年鉴》，其中地区生产总值按2000年进行削减，以消除价格因素对地区生产总值的影响。用省会城市间的球面距离表示省份间地理距离，通过ArcGIS计算可得。

4 中国省份对外贸易隐含碳排放的空间关联网络的结构特征

  通过改进后的引力模型，计算省份之间的碳排放隐含碳排放的空间关联关系，构建关系矩阵，应用UCINET可视化的NETDRAW工具画出网络图，本文只是列出2014年份的网络图

图1 对外贸易隐含的碳排放空间的网络结构

4。1整体网络特征分析论文网

以2014年的中国省级碳排放隐含碳排放的空间网络结构图作为研究对象，碳排放隐含碳排放的空间关系关系呈现出相对稳定和明显的特征，空间关系较多的省域有河南、湖北、广东、河北等，相对较少的省域如黑龙江、吉林等。

4。1。1 网络密度

  图2描述了样本考察省份碳排放空间关联网络密度的变化趋势。由图可知，样本考察期间省份碳排放的空间关联关系总数2000-2010年较为平稳，2010-2014虽然年但增速缓慢，但呈逐年增加趋势。2010年的关联关系为195个，2014年增加到201个，与之相对应，省份碳排放空间关联的整体网络密度也较为平稳，从2000年的0。224到2014年的0。231。网络密度变化不大说明中国省份间碳排放的空间关联较稳定。

从数值上看，中国省份碳排放空间关联的紧密程度总体上并不高，所有省份的最大可能关系总数为870个（30×29），而样本考察期内省份碳排放之间实际的关系数最大仅为201个（2014年），因此促进省份之间更密切的碳排放还有较大空间。同时，尽管网络密度越高表示省份碳排放之间的空间关联越密切，但随着网络密度的不断提升，网络内连线增加，如果超过网络的容纳能力，将会增加省份之间生产要素流动的交易费用，降低生产要素的利用效率，进而对资源配置和要素流动产生抑制作用，所以必须维持合适的网络密度才能保证碳排放的空间优化配置。