On the Characteristics and Optimization Strategies of Guangdong Province's Major Functional Zones from the Perspective of Carbon Neutrality
-
摘要: 为了解主体功能区规划的实施效果和效益,在碳中和视角下对广东省121个主体功能区县进行碳平衡测算及时空分布特征分析,并结合主体功能区规划和国土空间规划对各类主体功能区提出空间低碳优化策略。碳平衡测算结果表明:自2012年的《广东省主体功能区规划》实施以来,各类主体功能区的碳中和工作成效总体初步显现,但仍有一部分主体功能区县的实际发展与规划定位存在差异。具体表现为:2017年,有14个优化开发区县的净碳排放量呈增加趋势;重点开发区中除了赤坎区、霞山区和城区等8个县(市、区)的发展方式相对较好外,其他31个县(市、区)在加快进行工业化、城镇化开发的同时对生态环境产生的影响相对突出;有12个农产品主产区县和6个重点生态功能区县的净碳排放量呈现上升趋势,有13个农产品主产区县的耕地碳吸收量呈现减少趋势;121个主体功能区县中,仅连平县的单位GDP碳排放量呈增加趋势。Abstract: The characteristics of carbon balance measurement and spatial distribution of 121 county-level major functional zones in Guangdong Province are analyzed from the perspective of carbon neutrality to understand how well their planning is implemented, and the strategies for spatial low-carbon optimization of various major functional zones are proposed according to the major functional zone planning and the territory development planning. The carbon balance calculation results show that since the implementation of the major functional zone planning in Guangdong Province in 2012, the overall effect of carbon neutrality work in various functional zones has appeared for the first time, but there are still differences in the actual development and planning between some county-level functional zones. In 2017, the net carbon emission of 14 out of the 34 county-level optimized development zones shows an increasing trend. Except for 8 counties in the key development zones, including Chikan District, Xiashan District and Chengqu District, whose development mode is relatively good, the development of other 31 counties has relatively prominent impacts on the ecological environment in the acceleration of industrialization and urbanization. The net carbon emission of 12 county-level agricultural production zones and 6 county-level key ecological function zones is on the rise, and the arable land carbon absorption of 13 county-level agricultural production zones goes down. In terms of carbon dioxide emission per unit of GDP, only Lianping County shows an increasing trend among the 121 county-level major functional zones.
-
创新驱动力与国家经济发展水平密切相关,中国的创新驱动力指数在不断提升,但仍低于发达国家[1],科技对经济增长的贡献率较低仍是我国经济面临的“阿喀琉斯之踵”,核心技术和关键零部件受制于人常使我国的核心企业被轻易扼住咽喉.企业是科技创新的主体,如何更有效地提高企业的自主创新能力是我国发展亟需研究解决的问题.
目前,对董事会多元化与企业创新领域的研究主要集中在教育背景多元化(认知层面异质性)对特定经济后果的影响[2-5],尚缺乏从董事会成员的国内和国外背景的角度来研究董事会背景多元化与企业创新关系.由于公司的重大决策是董事会内部成员之间沟通的结果,这一决策过程必然受到内部控制的影响.所以,研究董事会背景多元化、内部控制有效性与企业创新的关系是很有意义的.
社会认知理论表明:多元化的团体对其面临的环境往往有更全面的认识和深刻的解读,董事会作为公司的决策中心,多元化的董事会能提供更全面的观点和视角,有利于企业创新.众多学者的研究发现:董事会多元化程度越高,越能促进企业创新[2-3]和提高企业价值[4-5].
基于以上的分析,本文试图研究董事会成员背景多元化与企业创新的关系,找到驱动公司创新的因素和机制;同时,引入内部控制有效性作为调节变量,探究其如何影响董事会成员背景多元化与企业创新的关系.
1. 理论分析与研究假设
1.1 董事会背景多元化与企业创新
高阶梯队理论指出:管理者的特征(经历等)会影响组织战略决策和财务绩效[6].学者们的研究认为:曾有海外学习或工作经历的管理者往往获得高度专业化的技巧、先进的管理经验、开阔的视野,且更能容忍犯错,这些特征使得他们更擅长于应对变化和风险[7],在创新活动中能更好地抓住机会投资有效的资源,从而在未来获得更多的收益[8].因此,“海归”人员如果进入董事会,他们就有机会施展自己的能力和技巧.另一方面,经历改革开放初期、互联网时代的企业家通常拥有创新、善抓机会、勇于突破、与众不同、自我实现的企业家精神[9].从高阶梯队理论看来,管理者的这些经历是有利于公司创新的.
资源依赖理论也指出:组织要生存,必须从周边的环境源源不断地获取资源.拥有海外学习经历的管理者能提供高度专业化的技巧,拥有海外工作经历的管理者能提供先进的管理经验等资源[6],这是创新的关键资源;在国内成长的管理者更了解政治经济形势和文化环境,能提供独特的经济、政治和人际关系资源,这也是创新的重要因素,从某种程度上看,三者提供的资源是互补、多元化的,都是企业创新活动中不可或缺的要素.最后,从社会认知理论来看,拥有海外学习或工作经历的管理者和在国内学习和成长的管理者都在董事会任职,不同的文化经历和思维方式能为企业提供更全面的观点和视角,对公司面临的环境、创新策略有更全面的解读和认识,思想的交织碰撞使得决策更具创新性、科学性.因此,基于以上理论的分析,本文提出以下的研究假设:
假设1:在其它条件不变的情况下,董事会背景多元化对企业创新具有正向影响.
1.2 董事会背景多元化、内部控制有效性与企业创新产出
提供咨询、制定决策、管理和监督是董事会的基本职责,有效的内部控制可以弥补契约的不完备性,降低信息不对称性和减少道德风险行为的发生[10-11].组织行为理论认为:集体决策的正确性是优于个体决策的,可以消除偏见,克服代理成本[12].结合内部控制五要素和董事会集体决策的效果来看:(1)内部控制通过建立预算考核等机制,营造健康的控制环境[13].通过控制环境建立企业纪律、塑造企业文化,从而影响管理者的道德价值观、经营管理哲学等因素,控制环境作为内部控制其它要素的基础,健康的控制环境能有效地保障董事会集体决策效果;(2)每个企业的创新活动都面临着来自内部和外部的风险,需要对这些风险进行评估,通过风险评估可以分析和识别企业创新活动中可能发生的风险,从而提高董事会集体决策的科学性;(3)创新活动是长期的,在管理层识别风险后,需要针对具体风险进行必要的控制活动,由于控制活动的存在,使得诸如董事会等管理层的指令顺利地贯彻执行,提高决策执行的效果;(4)董事会决策有4个过程:观察获取信息、记忆储存信息、计算掌控信息、交流和转化信息[12].内部控制可以减少沟通的噪音,使得信息有效地传递和沟通,通过有效的交流和沟通制定并完善创新项目;(5)创新是有风险的,创新的研发项目涉及大量研发资金的运用,内部控制有效的监督可以抑制管理层过度研发投入和舞弊行为[14],降低代理成本[12].从这些方面可以看出:内部控制与董事会集体决策是相辅相成的,有效的内部控制使董事会决策更科学.因此,基于以上理论的分析,本文提出以下的研究假设:
假设2:在其它条件不变的情况下,随着内部控制有效性的提升,董事会背景多元化对企业创新的促进作用逐渐增强.
2. 实证研究设计
2.1 样本及数据来源
鉴于2010年发布的《企业内部控制配套指引》要求上交所和深交所主板公司在2012年1月1日起强制实施内部控制有效性的鉴证与披露,本文初始研究样本选自2012—2018年沪、深两市A股上市公司,并进行如下筛选:(1)剔除ST、*ST及PT处理的公司样本;(2)由于其会计制度、账务处理具有特殊性,剔除金融行业的上市公司样本;(3)为消除极端值的影响,对连续变量在1%和99%分位上进行缩尾处理.在本文研究数据中,内部控制质量指数来自迪博企业风险管理技术有限公司数据库,其它数据全部来自国泰安数据库.
2.2 变量及含义
2.2.1 董事会背景多元化
借鉴研究者对董事会职能背景多元化和董事会教育背景多元化的衡量方法[3, 14],根据国泰安数据库提供的董事会人物特征资料数据,把董事会成员的背景划分为4种:曾在海外任职为第1种;曾在海外求学为第2种;国内学习或国内任职为第3种;曾在海外任职和海外求学为第4种.采用赫芬达尔指数进行衡量,计算公式为H=1-∑Pi2,Pi表示第i种背景的人数占董事会总人数的比例.
2.2.2 企业创新
相对于研发支出,专利申请数更能体现创新的产出和成果.因此,借鉴学者对企业创新的衡量方法,选取更能体现创新产出成果的年内专利申请数量来衡量[3, 7], 为企业年内的发明、实用新型、外观设计的申请数量之和,该变量的值越大,表明创新产出越大.
2.2.3 内部控制有效性
借鉴研究对内部控制有效性的定义和衡量方式,采用迪博企业风险管理技术有限公司公布的中国上市公司内部控制指数,并除以100予以标准化[11, 15].
2.2.4 其他有关控制变量
参考文献[2-5, 13-14],选择如下控制变量:公司规模、董事会规模、营业收入增长率、资产负债率、独立董事比例、两职合一、高管持股比例、总资产收益率、企业性质和市场化进程,同时还控制了年度和行业效应.
变量的具体定义如表 1所示.
表 1 变量定义表Table 1. The table of variable definition变量性质 变量名称 变量表示 变量定义 被解释变量 企业创新 Patent 企业年内申请专利的总数,包括发明专利、实用新型专利和外观设计专利的申请总数 解释变量 董事会背景多元化 H 用赫芬达尔指数表示,H =1-∑Pi2,Pi表示第i种背景的人数占董事会总人数的比例.曾在海外任职为第1种; 曾在海外求学为第2种;国内学习或国内任职为第3种;曾在海外任职和海外求学为第4种 调节变量 内部控制 ICindex 采用迪博企业风险管理技术有限公司公布的中国上市公司内部控制指数,并除以100予以标准化 控制变量 公司规模 Lasset 年末公司资产总额的自然对数 董事会规模 Boardsize 公司董事会的总人数 营业收入增长率 Growth (本年营业收入-上年营业收入)/上年营业收入×100% 两职合一 Dual 总经理兼任董事长的取值为1,否则为0 独立董事比例 Ratio 独立董事人数/董事会总人数 高管持股比例 Share 年末高管持股数/年末股本总数 资产负债率 Lev 年末负债总额/年末资产总额 总资产收益率 Roa 年末净利润/年末资产总额 企业性质 State 国有控股企业的取值为1,非国有控股企业的取值为0 市场化进程 Market 根据王小鲁等[16]编制的全国各省、自治区和直辖市的市场化指数,对企业所属区域的市场化指数进行排列,高于平均值的取值为Market=1,否则取值为Market=0 年度 Year 年度虚拟变量 行业 Industry 行业虚拟变量 2.3 模型设计
采用多元回归分析法检验董事会背景多元化、内部控制有效性与创新产出的关系.首先,本文用模型(1)来检验董事会背景多元化对创新产出的影响,以此检验假设1.
Patent=α+β1H+∑βjControls+∑λiYear+∑θiIndustry+ε, (1) 其中,Controls包含10个控制变量,分别是Lasset、Boardsize、Growth、Dual、Ratio、Share、Lev、Roa、State、Market.
在考虑不同的内部控制质量对董事会背景多元化与创新产出关系的影响时,在模型(1)的基础上加入董事会背景多元化与内部控制有效性的交互项(H*Icindex),用模型(2)来检验假设2.
Patent=α+β1H+β2Icindex+β3H∗Icindex+∑βjControls+∑λiYear+∑θiIndustry+ε. (2) 3. 实证过程与结果分析
3.1 描述性统计
全体样本(观测数为9 628个)的主要变量描述性统计如表 2所示.在表 2中,首先看关键的3个变量,从创新的产出量(Patent)来看,企业年度专利申请数最低值为0,即全年没有专利的申请,最高值为1 176,标准差为161.34,表明全体企业间的创新产出存在较悬殊的差异;从董事会成员背景多元化(H)看,其最小值为0,即董事会只存在单一特征的成员,最大值为0.73,标准差为0.17,但是存在较低的均值为0.17,这也引出了本文关注的焦点——董事会成员背景多元化与企业创新的关系;从内部控制质量(ICindex)看,经标准化后的内部控制质量指数的均值为6.48,最大值为9.86,最小值为0,同样是存在较明显的差异.
表 2 全体样本主要变量描述性统计Table 2. The descriptive statistics of the main variables of the total sample变量 平均值 标准差 最小值 最大值 Patent 71.97 161.34 0 1 176 H 0.16 0.17 0 0.73 ICindex 6.48 1.19 0 9.86 Lasset 22.13 1.22 20.08 26.07 Boardsize 8.63 1.70 0 18 Growth 0.19 0.40 -0.42 2.50 Dual 0.28 0.45 0 1 Ratio 0.37 0.05 0.33 0.57 Share 0.08 0.15 0 0.63 Lev 0.41 0.20 0.05 0.85 Roa 0.04 0.05 -0.11 0.18 State 0.35 0.48 0 1 Market 0.86 0.35 0 1 公司的营业收入增长率(Growth)的平均值为0.19,标准差为0.40,最小值为-0.42,最大值为2.50,公司的营业收入增长率增加2倍多,上市公司的营业收入增长率总体上差异悬殊.除此外,各个公司在董事会规模(Boardsize)、独立董事比例(Ratio)等控制变量之间的差异则相对较小.
3.2 相关性分析
为判断各个变量之间的相关程度和关系,对文中所有变量进行Pearson相关系数分析(表 3).从单个具体变量之间的相关系数来看,董事会成员背景多元化与企业创新在1%的显著性水平上正相关,这在一定程度上说明董事会成员背景多元化程度越高,企业创新产出水平也越高,初步验证了假设1;内部控制质量也在1%的显著性水平上与企业创新正相关,表明内部控制质量对企业创新有正向的促进作用;此外,董事会成员背景多元化与内部控制质量显著正相关,表明内部控制质量可能会对董事会成员背景多元化与企业创新的关系产生正向的调节作用.
表 3 Pearson相关分析系数表Table 3. The table of Pearson correlation analysis coefficientPatent H ICindex Lasset Boardsize Growth Dual Ratio Share Lev Roa State Market Patent 1 H 0.12*** 1 Icindex 0.11*** 0.04*** 1 Lasset 0.49*** 0.08*** 0.11*** 1 Boardsize 0.10*** -0.01 0.02* 0.30*** 1 Growth -0.02 0.01 0.02** 0.02** -0.01 1 Dual -0.05*** 0.06*** 0.01 -0.19*** -0.20*** 0.03 1 Ratio 0.08*** 0.04*** 0.04*** 0.10 -0.46*** -0.01 0.12*** 1 Share -0.07*** 0.08*** 0.04*** -0.28*** -0.18*** 0.01 0.46*** 0.12*** 1 Lev 0.22*** -0.06*** -0.09*** 0.54*** 0.19*** 0.02 -0.15*** -0.02** -0.25*** 1 Roa 0.03*** 0.06*** 0.32*** -0.02* -0.04 0.02 0.05*** -0.02* 0.14*** -0.35*** 1 State 0.16*** -0.11*** -0.02** 0.40*** 0.30*** 0.01 -0.30*** -0.05*** -0.36*** 0.36*** -0.13*** 1 Market 0.06*** 0.12*** 0.09*** 0.09*** -0.07*** -0.03*** 0.09*** 0.01 0.11*** -0.11*** 0.09*** -0.19*** 1 注:***p < 0.01, **p < 0.05, *p < 0.10. 由表 4中变量的方差膨胀因子检验可以看出:回归模型的方差膨胀因子(VIF)远小于5,因此,可以判断本文模型选择的变量存在多重共线性的概率较小.综合Pearson相关性分析和方差膨胀因子检验的结果,本文所选取变量的显著性检验和模型设计具有合理的经济意义.
表 4 方差膨胀因子检验Table 4. The table of variance expansion factor test变量 VIF 1/VIF H 1.06 0.95 Icindex 1.15 0.87 Lasset 1.83 0.55 Boardsize 1.52 0.66 Growth 1.00 1.00 Dual 1.32 0.76 Ratio 1.34 0.75 Share 1.42 0.70 Lev 1.75 0.57 Roa 1.32 0.76 State 1.49 0.67 Market 1.06 0.94 Mean VIF 1.33 3.3 回归结果分析
3.3.1 董事会背景多元化与企业创新的关系检验
运用模型(1)对假设1进行检验,结果如表 5所示. OLS的回归结果中,董事会背景多元化(H)的回归系数为62.64,且在1%的水平上显著,表明董事会背景多元化对企业创新有正向的促进作用;在模型(1)的固定效应模型(FE)中,H的系数略微变大,仍然在1%的水平上显著,假设1得到验证.影响企业创新的因素有很多,从其它的控制变量来看,Lasset的系数在1%的水平上显著为正,表明规模越大的企业越能促进企业创新;独立董事比例(Ratio)和高管持股比例(Share)的系数都在1%的水平上显著为正,独立董事的比例越高,其监督职能可能发挥得越有效,更能促进企业创新;高管持股比例越高,其进行创新的动力越大,公司的创新产出也越好.此外,企业的资产负债率(Lev)则与企业创新显著负相关,较高的资产负债率会增大企业的财务风险,带来融资约束,降低投资者的信心等,不利于企业创新.
表 5 董事会背景多元化、内部控制与企业创新的全体样本回归结果Table 5. The full sample regression results of background diversity of the board, internal control and corporate innovation变量 模型(1) 模型(2) OLS FE OLS FE H 62.64*** 64.83*** -92.83** -97.68** (8.60) (8.74) (0.10) (46.95) Icindex — — 1.98 2.07 (1.65) (1.68) H*Icindex — — 23.95*** 25.02*** (6.95) (7.08) Lasset 70.29*** 66.20*** 69.17*** 65.09*** (1.62) (1.61) (1.64) (1.63) Boardsize 0.31 -0.95 0.30 -0.97 (1.03) (1.05) (1.03) (1.05) Growth -3.44 -6.16* -4.31 -7.08* (3.66) (3.72) (3.66) (3.72) Dual 1.369 2.89 1.33 2.82 (3.67) (3.75) (3.67) (3.74) Ratio 163.12*** 161.41*** 156.26*** 154.23*** (30.64) (31.25) (30.63) (35.08) Share 49.13*** 45.45*** 48.03*** 44.48*** (11.64) (11.86) (11.62) (11.84) Lev -18.57* -19.66** -17.11* -18.30* (9.98) (9.92) (9.99) (9.92) Roa 88.63** 97.25*** 41.57 47.86 (35.05) (35.71) (36.37) (37.08) State 11.57*** 5.18 11.16*** 4.81 (3.62) (3.66) (3.62) (3.66) Market 47.13*** 43.94*** 45.78*** 42.59*** (4.24) (4.24) (4.24) (4.27) Industry & Year 控制 控制 控制 控制 常数项 -1 625.54***
(36.50)-1 494.85***
(34.15)-1 610.42***
(37.29)-1 477.99***
(35.07)样本观测数 9 628 9 628 9 628 9 628 调整R2 0.276 3 0.300 0 0.303 8 0.304 2 注:括号内数字为标准误;***p < 0.01, **p < 0.05, *p < 0.10;表 6和表 7同. 3.3.2 内部控制有效性的调节作用检验
在模型(2)中加入董事会背景多元化与内部控制有效性的交互项来检验调节作用,OLS与FE的回归结果见表 5.在模型(2)的OLS回归结果中,董事会背景多元化与内部控制的交互项(H * Icindex)系数为23.95,表明随着内部控制有效性的提升,董事会背景多元化对企业创新的正向影响逐渐增强,即:在保持其他变量不变的情况下,每增加一个标准化的内部控制系数,企业创新的产出量增加23.95个.这说明内部控制与多元化董事会集体决策是相辅相成的,有效的内部控制促进董事会决策更科学、有效,从而增加创新成果,这一结果也验证了假设2.
3.4 稳健性检验
为确保研究结果的稳健性,通过如下的方法进行稳健性检验:(1)选用新的衡量指标衡量被解释变量企业创新;(2)对控制变量取滞后一期的变量再代入原模型进行检验.
3.4.1 替换企业创新的衡量方法
由于企业创新产出受企业研发投入的影响,借鉴文献[16-17]的做法,以企业的研发支出(RD,单位为百万元)替代企业年内专利申请数衡量企业创新,代入模型(1)和模型(2)进行稳健性检验(表 6),从表 6可见:替换后的被解释变量(企业创新),在模型(1)RD所在的列中,H的系数为17.07,并且在1%的水平上显著;在模型(2)RD所在的列中,交互项系数H*Icindex为58.97,且在1%的水平上显著.总体上与被解释变量替换前的结果基本一致,回归检验结果均与前文的假设相符合.
表 6 稳健性检验的回归结果Table 6. The regression results of the robustness test变量 模型(1) 模型(2) RD RD1 Patent RD RD1 Patent H 17.07*** 108.67*** 60.80*** 91.09*** -255.33* -111.02** (6.48) (28.52) (10.19) (-2.99) (152.63) (55.89) Icindex — — — 8.51*** 0.32 3.79** (3.25) (5.46) (1.92) H*Icindex — — — 58.97*** 56.02** 26.63*** (13.74) (23.03) (8.51) Lasset 190.51*** 130.26*** 76.51*** 187.08*** 128.41*** 75.20*** (3.22) (5.38) (1.89) (3.24) (5.44) (1.89) Boardsize 4.69** 9.85*** -0.88 4.67** 9.82*** -0.90 (2.04) (3.42) (1.21) (2.04) (3.42) (1.21) Growth -28.92*** -11.22 -0.16 -31.67*** -12.47 -0.14 (7.26) (12.13) (0.21) (7.25) (12.15) (0.21) Dual -1.19 32.50*** 3.97 -1.32 32.42*** 3.67 (7.28) (12.17) (4.27) (7.26) (12.16) (4.27) Ratio 509.39*** 339.20*** 174.73*** 489.02*** 327.19*** 169.48*** (60.77) (101.54) (34.27) (60.63) (101.59) (34.21) Share 79.14*** 25.34 34.45*** 76.05*** 23.24 34.54*** (23.09) (38.58) (11.66) (23.02) (38.57) (11.64) Lev -116.85*** -77.09** -25.34** -111.63*** -75.56** -21.78** (19.81) (33.10) (11.43) (19.78) (33.15) (11.44) Roa 99.77 36.02 102.94*** -43.86 -41.24 71.12** (69.51) (116.14) (34.05) (72.00) (120.64) (34.40) State 20.52*** -11.94 8.34** 19.50*** -12.89 8.07* (7.18) (12.00) (4.26) (7.16) (12.01) (4.26) Market 77.39*** 83.52*** 49.74*** 73.27*** 81.30*** 47.61*** (8.40) (14.04) (5.04) (8.39) (14.06) (5.05) Industry & Year 控制 控制 控制 控制 控制 控制 常数项 -4 391.60*** -3 089.78*** -1 748.75*** -4 361.41*** -3 046.13*** -1 741.43*** (72.39) (120.96) (42.38) (73.83) (123.70) (43.34) 样本观测数 9 628 9 628 7 402 9 628 9 628 7 402 调整R2 0.269 1 0.301 4 0.298 8 0.272 0 0.303 5 0.302 2 易靖韬等[18]的研究表明:相对量的指标可以更清晰地表明企业的创新绩效.为克服绝对量的缺陷,把本文的解释变量用相对指标法衡量,即:采用企业的年内研发投入量除以企业当年的营业收入(RD1)作为新的解释变量代入原模型,其回归结果与绝对指标法的结果相似,从表 6的模型(1)RD1所在列和模型(2)RD1所在的列可以看出:其回归结果与原假设的结论无实质性的差异,结果是稳健的.
3.4.2 取控制变量滞后一期
参考文献[3]的做法,一方面考虑到同期的内生性问题,另一方面考虑到创新产出的周期较长,创新产出相对董事会做出的决策在时间上会有一定的滞后性,除年度和行业外,将文中的控制变量生成滞后一期的变量作检验.由于生成滞后一期的变量使得观测值减少至7 402个,代入模型(1)和模型(2)中进行回归,其回归结果如表 6所示.对控制变量生成滞后一期变量作为检验后,模型(1)和模型(2)的Patent所在列的回归结果与原来(不滞后一期)的分析结果基本一致,回归结果也是稳健的.
3.5 进一步分析
为检验内部控制有效性的调节作用在不同企业特征下是否具有差异性,把企业分为国有控股企业与非国有控股企业、董事长与总经理是否两职合一、市场化程度较高与市场化程度较低的3组,在模型(2)的基础上进行回归,其回归结果如表 7所示.
表 7 分组检验的回归结果Table 7. The results of group regression变量 控股企业 两职情况 市场化程度 国有 非国有 分离 合一 较高 较低 H -209.03** -16.15 -100.98* -71.66 -78.69 -135.10* (91.70) (48.04) (54.67) (85.10) (52.07) (79.05) Icindex 1.10 0.06 3.05 -2.98 2.74 0.49 (2.85) (1.94) (1.92) (3.29) (1.96) (2.29) H*Icindex 42.84*** 10.32 25.12*** 20.44 21.99*** 20.84* (13.64) (7.29) (8.25) (12.85) (7.83) (12.31) Lasset 86.62*** 49.17*** 69.94*** 67.322*** 74.08*** 38.88*** (3.14) (1.80) (1.96) (3.04) (1.85) (2.87) Boardsize -2.16 2.35** 0.24 1.25 1.92* -4.78*** (1.84) (1.18) (1.21) (2.01) (1.16) (1.79) Growth -1.94 -4.950 -2.09 -12.724** -7.462* 11.30** (8.71) (3.34) (4.48) (6.21) (4.23) (5.51) Dual -19.43* 6.28** — — 3.49 -27.29*** (10.80) (3.11) (3.99) (7.83) Ratio 143.56** 121.32*** 151.29*** 171.06*** 188.05*** -43.11 (62.97) (31.76) (37.85) (51.95) (34.48) (52.10) Share -32.43 33.71*** 51.98** 41.60*** 54.22*** 41.52 (173.68) (9.16) (22.27) (12.79) (12.48) (29.73) Lev -64.12*** 37.59*** -22.10* 3.38 -9.90 -37.11** (21.72) (9.71) (12.26) (16.93) (11.15) (18.33) Roa 3.65 115.47*** 32.67 89.94 49.75 -87.89 (83.02) (34.01) (45.03) (59.61) (40.67) (64.49) State — — 15.55*** -14.75* 12.59*** -8.12 (4.16) (8.57) (4.07) (6.31) Market 65.58*** 18.37*** 46.45*** 45.37*** — — (7.71) (4.70) (4.94) (8.45) Industry & Year 控制 控制 控制 控制 控制 控制 常数项 -1 941.34 -1 162.91*** -1 631.58*** -1 549.38*** -1 733.59*** -760.07*** (69.33) (43.08) (44.09) (71.01) (43.41) (60.85) 样本观测数 3 367 6 261 6 950 2 678 8 298 1 330 调整R2 0.373 3 0.202 9 0.286 5 0.246 7 0.303 7 0.191 2 在国有控股企业中,交互项系数H*Icindex较大,为42.84,且在1%的水平上显著,这说明随着内部控制有效性的提升,董事会背景多元化对企业创新的正向影响逐渐增强.在非国有控股企业中,交互项系数H*Icindex较小,为10.32,虽为正数但不具统计的显著性.总而言之,在国有控股企业中,内部控制有效性对董事会背景多元化促进企业创新的正向调节作用更为明显.
在总经理与董事长两职合一的企业组中,其交互项H*Icindex的系数较小(为20.44),但在统计上并不显著,而在总经理与董事长两职分离的企业中,交互项系数H*Icindex略大(为25.12),且在1%的显著性水平上显著,表明在总经理与董事长两职分离的企业组中,内部控制对董事会背景多元化与企业创新的正向关系的调节作用更为明显,每增加一个标准的内部控制质量,其创新产出多出5个左右,在统计上极为显著.显然,在总经理与董事长两职分离的企业中,内部控制有效性对董事会背景多元化促进企业创新的正向调节作用更为明显.
市场化程度较高地区的企业组中,交互项H*Icindex的系数为21.99,且在1%的水平上显著;在市场化程度较高地区的企业组中,每增加一个标准的内部控制质量,企业的创新产出则多增加1个左右,且在统计上是极为显著的,即在市场化程度较高地区的企业组中,内部控制有效性对董事会背景多元化促进企业创新的正向调节作用更为明显.
4. 研究结果及政策建议
通过以上理论分析和实证检验后发现:(1)董事会背景多元化对企业创新有正向的促进作用;(2)内部控制有效性对董事会背景多元化与企业创新的关系具有显著的正向调节作用,具体表现为:随着内部控制有效性的提升,董事会背景多元化对企业创新的正向影响逐渐增强;(3)在国有控股企业、总经理与董事长两职分离的企业和市场化程度较高地区的企业中,内部控制有效性对董事会背景多元化促进企业创新的正向调节作用更为明显.
综上所述,董事会背景多元化是影响企业创新的一个重要因素.因此,本文为我国企业创新发展提出一些可行性的建议.
(1) 可从优化董事会结构入手,通过完善董事会成员聘任选拔制度,构建多元化、高素质和强大战斗力的核心管理团队,充分利用每个董事会成员的资源和人力资本为企业创新服务.
(2) 企业要重视内控体系建设,营造良好的内部控制环境,通过改革人力资源政策,规范研发资金使用审批制度等,以对管理者的经营理念、风险意识、职业操守和价值观产生积极的影响,从而提高企业创新绩效.
(3) 在法律层面,应该完善《公司法》中对董事长与总经理职责的规定,以保障董事长的独立性,使董事会更有效地行使决策和监督的职能.
(4) 在宏观层面,不断提高市场化水平,促使企业通过控制风险、合法合理经营而不是通过其他手段来获取经营利润,使企业处在有序的竞争环境中,以增强市场主体的活力和创新能力.
-
表 1 广东省主要农作物的碳吸收率和经济系数
Table 1 The carbon absorption rate and economic coefficient of main crops in Guangdong Province
农作物类型 碳吸收率/% 经济系数 粮食作物 水稻 41.44 0.450 大豆 45.00 0.350 薯类 42.26 0.700 玉米 47.09 0.400 经济作物 花生 45.00 0.430 甘蔗 45.00 0.500 果蔬作物 蔬菜 45.00 9.500 水果 45.00 1.750 表 2 2011—2017年广东省34个优化开发区县的净碳排放量增量
Table 2 The increment of net CO2 emission of the 34 county-level optimized development zones in Guangdong Province from 2011 to 2017
万t 优化开发区县 2011年 2012年 2013年 2014年 2015年 2016年 2017年 白云区 56.98 21.11 -27.13 -18.27 -71.63 21.09 -49.09 宝安区 67.86 25.91 -49.89 -23.13 -100.49 28.25 -74.46 禅城区 16.07 6.15 -11.89 0.11 -19.54 7.38 -15.62 从化区 44.52 9.18 -11.95 57.75 -13.37 21.93 -14.00 鼎湖区 28.37 3.96 -5.50 12.65 4.79 12.96 9.64 东莞市 214.63 82.09 -156.16 -21.33 -267.63 102.99 -204.14 斗门区 37.53 8.89 -13.56 39.65 -9.10 18.96 0.50 端州区 9.22 3.59 -6.54 2.09 -8.49 5.40 -7.67 番禺区 50.70 82.58 -43.57 7.01 -63.82 38.32 -56.04 福田区 8.00 3.06 -5.92 -2.61 -11.44 3.45 -8.26 高明区 22.45 6.80 -11.78 20.20 -9.04 14.79 -3.08 海珠区 10.79 4.20 -7.85 -2.92 -14.99 5.07 -10.53 花都区 58.88 16.47 -27.11 52.82 15.30 46.65 -7.01 黄埔区 38.32 11.95 -20.49 22.90 -21.89 21.02 -22.09 惠城区 90.21 16.62 -30.33 68.76 -3.11 42.48 -12.50 惠阳区 66.00 19.02 -27.09 59.28 41.77 74.39 47.10 江海区 14.13 1.85 -5.08 3.29 0.56 7.20 -2.40 金湾区 28.04 6.99 -13.02 37.17 -6.94 27.85 -7.31 荔湾区 7.75 2.97 -5.73 -0.93 -10.48 3.49 -7.94 龙岗区 63.42 22.57 -42.50 21.26 -60.94 32.86 -55.19 罗湖区 9.30 3.57 -6.88 -0.53 -10.38 4.47 -9.36 南海区 84.67 31.77 -60.80 55.10 -85.82 50.62 -80.01 南沙区 32.66 -56.43 -17.62 30.84 -20.56 12.39 -22.62 南山区 18.68 7.16 -13.79 -6.14 -27.03 7.97 -18.88 蓬江区 19.21 7.01 -13.35 35.82 -4.14 12.53 -7.15 三水区 55.58 12.74 -22.91 45.65 6.48 27.87 -22.59 顺德区 69.63 26.04 -50.11 13.67 -62.23 41.48 -63.75 天河区 15.59 6.02 -11.52 -3.55 -20.53 7.37 -15.23 香洲区 33.41 11.31 -20.51 13.97 -14.77 28.96 -23.12 新会区 60.78 13.31 -21.61 66.32 16.12 48.61 -5.61 盐田区 6.50 2.49 -4.81 -6.53 9.81 7.28 -4.21 越秀区 4.12 1.58 -3.05 -1.33 -5.65 1.79 -4.20 增城区 96.14 22.06 -27.78 56.36 -6.57 46.97 27.25 中山市 135.15 43.37 -84.70 52.07 -86.33 77.92 -86.28 表 3 2010—2017年广东省34个优化开发区县的单位GDP碳排放量
Table 3 The CO2 emission per unit of the GDP of the 34 county-level optimized development zones in Guangdong Province from 2010 to 2017
t 优化开发区县 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 白云区 1.14 1.05 0.97 0.84 0.77 0.67 0.64 0.55 宝安区 0.57 0.48 0.45 0.39 0.34 0.29 0.25 0.32 禅城区 0.34 0.33 0.31 0.27 0.27 0.23 0.22 0.20 从化区 2.52 2.29 2.14 1.81 1.77 1.60 1.55 1.42 鼎湖区 3.10 2.96 2.65 2.24 2.14 2.07 2.03 2.04 东莞市 1.10 1.03 0.99 0.87 0.81 0.72 0.67 0.58 斗门区 2.46 2.31 2.27 1.80 1.79 1.59 1.55 1.33 端州区 0.80 0.74 0.71 0.63 0.59 0.54 0.53 0.50 番禺区 1.22 1.10 1.19 0.98 0.91 0.80 0.75 0.64 福田区 0.09 0.09 0.08 0.07 0.06 0.05 0.04 0.04 高明区 0.82 0.83 0.76 0.66 0.58 0.53 0.52 0.46 海珠区 0.32 0.28 0.25 0.21 0.19 0.16 0.15 0.13 花都区 1.23 1.15 1.12 0.96 0.91 0.87 0.84 0.75 黄埔区 0.31 0.29 0.28 0.25 0.24 0.22 0.22 0.20 惠城区 1.52 1.35 1.17 0.95 0.95 0.90 0.88 0.80 惠阳区 1.57 1.43 1.31 1.17 1.18 1.24 1.24 1.04 江海区 1.49 1.50 1.39 1.25 1.23 1.13 1.09 0.98 金湾区 1.42 1.28 1.33 1.18 1.21 1.10 1.07 0.86 荔湾区 0.28 0.26 0.24 0.20 0.19 0.16 0.15 0.14 龙岗区 0.71 0.62 0.54 0.47 0.44 0.38 0.30 0.30 罗湖区 0.20 0.18 0.16 0.14 0.13 0.12 0.09 0.09 南海区 1.01 1.05 0.98 0.86 0.92 0.83 0.78 0.68 南沙区 0.91 0.83 0.60 0.52 0.49 0.43 0.39 0.35 南山区 0.21 0.18 0.15 0.13 0.12 0.10 0.09 0.08 蓬江区 1.03 0.96 0.97 0.91 0.90 0.81 0.76 0.69 三水区 1.22 1.08 0.98 0.85 0.80 0.76 0.73 0.67 顺德区 0.76 0.72 0.68 0.60 0.64 0.57 0.55 0.48 天河区 0.18 0.17 0.15 0.13 0.11 0.10 0.09 0.07 香洲区 0.83 0.76 0.69 0.62 0.55 0.49 0.47 0.37 新会区 1.63 1.52 1.49 1.41 1.51 1.50 1.53 1.38 盐田区 0.51 0.46 0.42 0.36 0.31 0.31 0.27 0.26 越秀区 0.05 0.05 0.05 0.04 0.04 0.03 0.03 0.03 增城区 1.45 1.38 1.29 1.10 1.13 1.05 0.99 0.99 中山市 1.35 1.20 1.10 0.98 0.94 0.85 0.82 0.74 表 4 2011—2017年广东省39个重点开发区县的净碳排放量增量
Table 4 The increment of net CO2 emission of the 39 county-level key development zones in Guangdong Province from 2011 to 2017
万t 重点开发区县 2011年 2012年 2013年 2014年 2015年 2016年 2017年 博罗县 71.26 20.38 -28.63 32.06 -21.10 38.71 6.32 潮安区 33.28 13.64 -14.57 28.84 5.19 30.72 24.94 潮南区 22.66 7.01 -10.33 22.03 3.69 29.31 54.15 潮阳区 25.01 7.88 -13.03 29.37 14.66 22.12 31.46 城区 15.33 4.91 -5.31 -14.99 -10.25 3.40 -2.36 澄海区 23.18 5.48 -11.73 12.04 -2.64 17.78 16.68 赤坎区 4.84 1.83 -3.55 -4.13 -4.71 2.37 -4.65 电白区 25.54 19.06 -5.07 2.30 -13.84 58.33 11.98 佛冈县 28.60 2.90 -5.78 5.85 -4.20 8.27 -2.56 高要区 30.86 11.57 -10.33 10.24 -25.03 16.28 -14.08 濠江区 13.70 3.88 -7.20 10.30 5.73 39.38 30.39 鹤山市 21.98 6.81 -11.67 29.89 -7.37 24.35 1.90 惠东县 49.65 -2.29 11.15 11.94 -15.46 14.95 -11.91 惠来县 18.95 3.68 -4.25 22.43 -19.68 24.94 32.17 江城区 45.10 6.95 -2.47 25.78 12.01 24.60 -1.30 揭东区 48.85 22.38 -4.82 65.64 -8.01 25.20 -5.66 金平区 10.06 3.79 -7.32 18.13 4.60 8.63 -3.53 廉江市 29.46 5.00 -8.02 16.18 -5.76 24.52 1.80 龙湖区 10.80 3.95 -7.97 0.96 -10.17 6.18 -7.99 陆丰市 26.61 -1.25 -4.83 9.89 34.56 11.65 36.13 麻章区 38.33 16.30 -7.20 26.83 10.77 25.67 1.17 茂南区 16.83 11.82 -5.45 23.28 18.78 30.78 -6.88 梅江区 9.45 3.02 -20.80 12.78 -0.23 8.81 0.27 梅县区 26.21 4.27 5.40 12.09 -7.46 13.20 -10.16 坡头区 9.55 6.60 -3.63 12.06 -1.07 7.52 -1.08 普宁市 53.47 14.51 -15.03 83.10 -0.22 36.55 46.99 清城区 52.85 12.51 -22.14 30.37 -8.39 33.22 -7.55 曲江区 13.91 3.96 -8.65 15.47 -10.85 7.26 -9.61 榕城区 14.97 4.54 -15.09 14.87 -10.15 14.57 6.57 四会市 22.73 7.56 -12.07 20.44 -5.77 20.71 -6.46 吴川市 20.04 7.83 -5.66 20.95 5.88 13.74 18.79 武江区 8.20 2.29 -4.93 6.71 -5.75 6.75 -0.51 霞山区 9.15 3.52 -6.63 -11.67 -6.25 5.64 -7.39 湘桥区 8.17 3.57 -8.98 3.22 -3.54 6.81 1.83 新兴县 19.11 3.84 -7.09 15.64 -8.67 12.21 7.08 阳东区 43.00 12.93 -8.16 13.59 -9.91 11.24 5.28 源城区 17.52 5.01 -8.92 22.46 10.26 15.26 6.74 云城区 26.32 6.35 -4.25 24.62 -10.02 17.51 -4.54 浈江区 9.04 3.75 -6.71 6.64 -11.05 4.95 -1.94 表 5 2010—2017年广东省39个重点开发区县的单位GDP碳排放量
Table 5 The CO2 emission per unit of GDP of the 39 county-level key development zones in Guangdong Province from 2010 to 2017
t 重点开发区县 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 博罗县 3.07 2.82 2.50 2.18 2.00 1.79 1.66 1.60 潮安区 1.63 1.52 1.39 1.27 1.23 1.16 1.15 1.12 潮南区 1.75 1.69 1.55 1.30 0.95 1.20 1.17 1.16 潮阳区 2.16 2.03 1.81 1.55 1.56 1.50 1.41 1.34 城区 1.22 1.11 0.97 0.88 0.75 0.71 0.70 0.67 澄海区 1.48 1.45 1.32 1.17 1.09 1.01 0.94 0.87 赤坎区 0.73 0.63 0.59 0.50 0.43 0.38 0.37 0.32 电白区 1.49 1.30 1.14 0.99 0.97 0.90 0.94 0.90 佛冈县 3.16 3.10 2.95 2.61 2.40 2.14 2.02 1.76 高要区 2.17 1.86 1.69 1.44 1.36 1.24 1.29 1.22 濠江区 3.28 3.95 3.64 3.29 3.19 3.06 3.15 3.00 鹤山市 2.36 2.20 2.07 1.83 1.86 1.62 1.55 1.40 惠东县 1.83 1.69 1.62 1.35 1.20 0.99 0.88 0.85 惠来县 1.53 1.38 1.20 1.02 1.00 0.90 0.91 1.10 江城区 1.18 1.18 1.21 0.77 0.78 0.76 0.83 0.81 揭东区 1.52 1.41 1.30 1.29 1.27 1.18 1.15 1.17 金平区 0.86 0.87 0.81 0.71 0.69 0.66 0.61 0.53 廉江市 1.75 1.58 1.41 1.18 1.04 0.88 0.84 0.75 龙湖区 1.29 1.40 1.23 1.07 0.98 0.87 0.80 0.67 陆丰市 2.31 2.09 1.95 1.66 1.65 1.61 1.41 1.61 麻章区 0.98 0.98 0.93 0.78 0.74 0.69 0.66 0.57 茂南区 3.25 2.81 2.31 2.06 1.93 1.89 1.85 1.45 梅江区 1.34 1.20 1.14 0.92 0.92 0.86 0.85 0.80 梅县区 2.39 2.47 2.31 2.20 2.18 1.96 1.88 1.83 坡头区 0.57 0.55 0.55 0.51 0.50 0.60 0.59 0.55 普宁市 1.55 1.40 1.25 1.03 1.05 1.01 1.00 1.05 清城区 2.00 1.96 1.95 1.77 1.68 1.55 1.51 1.44 曲江区 2.88 2.50 2.30 2.01 2.09 2.22 2.09 1.57 榕城区 1.10 1.00 0.92 0.66 0.62 0.58 0.57 0.57 四会市 1.55 1.21 1.05 0.87 0.82 0.76 0.75 0.81 吴川市 1.90 1.73 1.55 1.30 1.22 1.16 1.12 1.11 武江区 1.24 1.11 0.99 0.86 0.81 0.74 0.73 0.72 霞山区 0.86 0.76 0.74 0.63 0.52 0.52 0.50 0.44 湘桥区 1.64 1.53 1.43 1.07 0.99 0.87 0.84 0.84 新兴县 1.34 1.21 1.10 0.93 0.94 0.84 0.81 0.82 阳东区 1.99 1.88 1.96 1.33 1.28 1.16 1.18 1.15 源城区 1.69 1.51 1.38 1.20 1.08 1.02 0.96 0.87 云城区 2.58 2.43 3.73 3.17 3.12 2.85 2.74 2.58 浈江区 1.63 1.54 1.35 1.18 1.15 1.01 0.99 0.90 表 6 2011—2017年广东省22个农产品主产区县的净碳排放量增量
Table 6 The increment of net CO2 emission of the 22 county-level agricultural production zones in Guangdong Province from 2011 to 2017
万t 农产品主产区县 2011年 2012年 2013年 2014年 2015年 2016年 2017年 东源县 21.17 5.45 -4.04 1.98 -10.79 6.16 -7.44 恩平市 15.82 2.02 -10.40 31.21 -12.18 14.07 10.60 高州市 11.49 6.46 5.49 -1.95 -18.44 8.01 -5.11 海丰县 24.04 8.17 -7.93 17.83 -6.60 30.67 29.91 化州市 25.04 4.15 -5.56 -7.34 -10.08 6.19 -12.84 怀集县 15.01 2.80 -4.24 -2.66 -9.50 2.71 -5.64 开平市 25.38 7.41 -12.48 17.47 -15.92 20.40 -4.34 雷州市 -17.32 -20.76 -31.48 -6.77 3.45 -1.33 26.87 龙门县 23.25 3.10 -3.22 10.34 -10.24 5.97 4.89 罗定市 11.82 4.73 -6.02 6.75 -7.95 8.01 -1.27 南澳县 1.07 0.44 -0.86 4.10 -0.37 1.74 6.93 饶平县 18.29 7.13 -5.36 17.27 -11.59 14.35 11.14 遂溪县 4.39 -13.51 -41.51 6.76 0.92 -10.21 69.33 台山市 39.85 11.27 -15.24 7.05 -29.85 19.56 -13.90 五华县 21.38 6.01 1.25 11.65 -11.27 12.68 0.08 徐闻县 0.12 -13.50 -15.91 30.72 5.81 16.79 -11.60 阳春市 46.36 9.23 -5.25 -2.59 -21.13 13.99 4.19 阳西县 16.30 5.24 -4.52 22.63 -2.92 10.78 7.15 英德市 69.25 21.64 -15.07 7.67 -19.90 16.97 -11.99 郁南县 7.38 1.07 -7.06 1.28 -6.18 3.73 5.11 云安区 8.15 3.33 -6.59 12.05 -2.47 5.46 5.76 紫金县 28.75 4.29 5.58 11.76 -11.91 13.09 -3.38 表 7 2011—2017年广东省22个农产品主产区县的耕地碳吸收量增量
Table 7 The increment of cultivated land's CO2 absorption of the 22 county-level agricultural production zones in Guangdong Province from 2011 to 2017
万t 农产品主产区县 2011年 2012年 2013年 2014年 2015年 2016年 2017年 东源县 0.60 0.88 -0.60 1.15 0.00 -0.74 -0.36 恩平市 1.87 3.27 1.64 2.75 0.75 0.11 -12.25 高州市 3.04 2.70 -0.62 7.36 2.94 2.01 2.17 海丰县 1.03 0.95 -2.76 7.43 -0.86 -0.58 -4.99 化州市 3.02 3.59 0.51 12.43 1.75 3.85 7.41 怀集县 -0.86 0.66 0.58 2.01 0.38 1.14 0.87 开平市 1.48 0.30 -0.87 2.89 0.50 0.01 -1.90 雷州市 30.89 24.86 26.21 5.16 -13.94 5.67 -34.01 龙门县 1.12 1.27 -0.06 0.61 0.94 2.07 1.06 罗定市 1.14 0.93 2.55 0.53 -0.06 0.06 -4.06 南澳县 0.09 0.00 0.00 0.44 -0.04 0.12 -0.26 饶平县 -0.85 0.56 -0.80 5.60 0.22 -2.40 2.66 遂溪县 19.75 22.15 29.38 -6.81 -8.64 26.34 -81.30 台山市 -0.22 0.86 -2.97 2.47 2.75 -0.06 -1.09 五华县 1.09 1.24 -1.51 0.76 0.45 1.68 0.57 徐闻县 12.33 18.81 12.82 -31.30 -12.29 -13.5 7.11 阳春市 2.00 2.52 -1.31 10.14 0.64 -4.99 -16.34 阳西县 1.34 1.19 -0.74 6.53 0.00 0.25 -9.53 英德市 1.99 1.84 2.04 1.38 1.57 -0.49 -9.20 郁南县 0.87 1.95 3.34 0.90 0.00 -0.02 -8.09 云安区 0.64 -0.79 3.17 0.46 -3.63 0.24 -6.20 紫金县 1.62 1.57 -1.10 2.08 1.13 -1.41 -1.47 表 8 2010—2017年广东省22个农产品主产区县的单位GDP碳排放量
Table 8 The CO2 emission per unit of GDP of the 22 county-level agricultural production zones in Guangdong Province from 2010 to 2017
t 农产品主产区县 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 东源县 3.41 3.00 3.00 2.61 2.37 2.32 2.13 1.81 恩平市 3.10 2.77 2.55 2.27 2.39 2.16 2.05 1.86 高州市 0.91 0.83 0.74 0.69 0.66 0.59 0.56 0.49 海丰县 2.28 2.05 1.90 1.67 1.65 1.47 1.71 1.40 化州市 0.95 0.87 0.77 0.69 0.65 0.60 0.58 0.51 怀集县 1.15 1.00 0.91 0.78 0.72 0.64 0.63 0.62 开平市 2.01 1.91 1.82 1.63 1.66 1.49 1.45 1.30 雷州市 1.49 1.29 1.13 1.00 0.86 0.74 0.72 0.64 龙门县 2.39 2.22 1.92 1.64 1.42 1.20 1.10 1.25 罗定市 1.94 1.79 1.67 1.42 1.20 1.07 1.01 0.94 南澳县 2.71 2.38 2.21 1.98 2.10 1.93 1.89 1.74 饶平县 1.97 1.84 1.70 1.49 1.46 1.31 1.27 1.28 遂溪县 2.71 2.22 1.97 1.71 1.61 1.46 1.43 1.32 台山市 2.34 2.00 1.95 1.83 1.80 1.69 1.61 1.41 五华县 2.56 2.38 2.27 2.07 1.90 1.66 1.60 1.54 徐闻县 1.53 1.30 1.15 0.98 0.94 0.84 0.83 0.70 阳春市 1.60 1.51 1.56 1.11 1.00 0.88 0.88 0.84 阳西县 1.84 1.75 1.80 1.26 1.08 0.99 0.98 0.95 英德市 2.84 2.84 2.94 2.64 2.40 2.18 2.10 1.89 郁南县 2.13 1.98 1.85 1.59 1.48 1.31 1.22 1.25 云安区 2.67 2.29 2.24 1.90 1.95 1.75 1.65 1.66 紫金县 2.98 2.84 2.70 2.45 2.22 1.98 1.89 1.88 表 9 2010—2017年广东省重点生态功能区的林地面积和林地碳吸收量
Table 9 The forest area and its CO2 absorption of the key ecological function zones in Guangdong Province from 2010 to 2017
年份 林地面积/万hm2 林地碳吸收量/万t 年份 林地面积/万hm2 林地碳吸收量/万t 2010 407.7 2 352.28(81.76%) 2014 405.7 2 340.93(79.86%) 2011 406.8 2 347.20(81.17%) 2015 405.6 2 340.08(79.24%) 2012 406.4 2 345.12(80.74%) 2016 405.4 2 339.12(79.25%) 2013 406.0 2 342.77(80.74%) 2017 405.2 2 337.73(79.49%) 注:括号中数值为林地碳吸收量占比。 表 10 2010—2017年广东省26个重点生态功能区县的净碳排放量
Table 10 The net CO2 emission of the 26 county-level key ecological function zones in Guangdong Province from 2010 to 2017
万t 重点生态功能区县 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 大埔县 49.53 64.25 68.63 64.19 63.17 56.13 61.72 61.41 德庆县 48.05 58.05 60.05 56.55 60.93 47.63 55.06 54.97 丰顺县 17.08 27.52 30.36 25.38 27.89 20.15 33.07 35.12 封开县 -40.48 -29.81 -28.67 -32.09 -33.87 -41.60 -39.78 -43.08 广宁县 -17.88 -6.24 -3.39 -8.05 -7.58 -16.00 -12.94 -18.23 和平县 -14.87 -8.58 -6.39 -7.52 -6.40 -11.76 -6.94 -7.12 蕉岭县 53.06 57.92 59.64 56.19 57.33 56.99 60.91 59.93 揭西县 110.15 124.63 128.44 124.71 188.25 161.19 173.66 181.44 乐昌市 44.22 52.62 54.65 49.74 53.07 42.77 46.14 46.65 连南瑶族自治县 -17.51 -15.23 -13.80 -16.34 -16.58 -17.72 -17.75 -18.24 连平县 -13.88 -8.76 -6.72 -7.66 -4.20 -10.07 -3.79 -3.11 连山壮族瑶族自治县 — — — — — — — — 连州市 18.23 26.28 29.92 25.39 26.63 15.82 19.53 20.34 龙川县 -37.07 -28.25 -25.83 -27.90 -26.20 -31.66 -25.96 -26.21 陆河县 25.79 30.36 32.43 33.01 35.80 38.07 46.26 73.98 南雄市 -50.53 -44.92 -44.23 -44.08 -42.67 -45.68 -44.02 -46.27 平远县 23.72 36.14 47.09 46.53 47.67 37.49 46.78 43.67 清新区 213.04 262.20 273.53 262.09 275.04 255.69 277.28 272.51 仁化县 6.03 13.14 14.80 10.85 9.54 1.95 4.66 -0.02 乳源瑶族自治县 5.25 12.10 13.71 9.75 10.74 2.88 5.64 1.41 始兴县 -39.32 -34.03 -33.04 -35.00 -35.87 -41.33 -39.07 -42.52 翁源县 -41.12 -42.02 -39.61 -37.65 -35.80 -40.97 -39.66 -43.88 新丰县 -28.54 -22.33 -21.21 -22.89 -21.88 -26.62 -22.40 -23.53 信宜市 -68.14 -63.47 -62.72 -64.03 -73.89 -79.88 -77.61 -80.97 兴宁市 129.56 142.11 145.51 139.54 152.97 135.62 153.03 151.90 阳山县 -17.00 -4.60 -1.95 -7.60 -9.75 -17.05 -15.15 -14.70 表 11 2010—2017年广东省26个重点生态功能区县的单位GDP碳排放量
Table 11 The CO2 emission per unit of GDP of the 26 county-level key ecological function zones in Guangdong Province from 2010 to 2017
t 重点生态功能区县 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年 大埔县 4.04 3.96 3.72 3.36 2.95 2.63 2.41 2.43 德庆县 2.39 2.04 1.88 1.63 1.54 1.35 1.31 1.26 丰顺县 2.68 2.53 2.47 2.19 1.92 1.70 1.67 1.70 封开县 1.62 1.42 1.29 1.07 0.97 0.86 0.83 0.76 广宁县 1.68 1.51 1.36 1.16 1.07 0.94 0.90 0.83 和平县 2.63 2.24 1.91 1.67 1.39 1.20 1.11 1.08 蕉岭县 2.43 2.41 2.25 2.03 1.78 1.62 1.55 1.45 揭西县 1.49 1.34 1.25 1.04 1.21 1.06 1.04 1.10 乐昌市 2.52 2.34 2.10 1.75 1.71 1.53 1.46 1.46 连南瑶族自治县 2.43 2.10 1.85 1.63 1.44 1.25 1.17 1.03 连平县 1.56 1.34 1.35 1.20 1.33 1.35 1.30 1.56 连山壮族瑶族自治县 — — — — — — — — 连州市 1.71 1.67 1.56 1.40 1.33 1.17 1.10 0.99 龙川县 1.37 1.19 1.29 1.14 1.16 1.06 0.98 0.90 陆河县 2.43 2.18 2.23 2.02 2.01 1.93 1.92 2.16 南雄市 1.10 0.98 0.84 0.72 0.65 0.57 0.53 0.66 平远县 2.73 2.24 2.14 1.98 1.93 1.61 1.57 1.46 清新区 2.25 2.23 2.26 2.01 1.81 1.59 1.55 1.42 仁化县 1.99 1.86 1.75 1.61 1.45 1.32 1.23 1.12 乳源瑶族自治县 3.18 2.78 2.64 2.30 2.11 1.80 1.66 1.43 始兴县 2.13 1.81 1.59 1.23 1.12 0.95 0.89 0.93 翁源县 2.61 2.18 1.83 1.57 1.47 1.32 1.23 1.25 新丰县 2.49 2.20 1.84 1.32 1.18 1.05 1.02 1.16 信宜市 0.54 0.48 0.40 0.36 0.34 0.31 0.29 0.26 兴宁市 2.40 2.20 2.07 1.88 1.88 1.64 1.59 1.56 阳山县 2.11 2.05 1.99 1.83 1.69 1.48 1.41 1.30 -
[1] 樊杰. 我国主体功能区划的科学基础[J]. 地理学报, 2007, 62(4): 339-350. doi: 10.3321/j.issn:0375-5444.2007.04.001 FAN J. The scientific foundation of major function oriented zoning in China[J]. Acta Geographica Sinica, 2007, 62(4): 339-350. doi: 10.3321/j.issn:0375-5444.2007.04.001
[2] 樊杰. 中国主体功能区划方案[J]. 地理学报, 2015, 70(2): 186-201. FAN J. Draft of major function oriented zoning of China[J]. Acta Geographica Sinica, 2015, 70(2): 186-201.
[3] 樊杰. 主体功能区战略与优化国土空间开发格局[J]. 中国科学院院刊, 2013, 28(2): 193-206. doi: 10.3969/j.issn.1000-3045.2013.02.010 FAN J. The strategy of major function oriented zoning and the optimization of territorial development patterns[J]. Bulletin of Chinese Academy of Sciences, 2013, 28(2): 193-206. doi: 10.3969/j.issn.1000-3045.2013.02.010
[4] 新华社. 中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议[EB/OL]. (2020-11-03)[2022-03-09]. http://www.gov.cn/zhengce/2020-11/03/content_5556991.htm. [5] 黄海楠. 基于主体功能区规划的政府绩效评估体系研究[D]. 西安: 西安建筑科技大学, 2010. HUANG H N. Researches of government performance assessment system based on main functional region planning[D]. Xi'an: Xi'an University of Architecture and Techno-logy, 2010.
[6] 唐常春, 刘华丹. 长江流域主体功能区建设的政府绩效考核体系建构[J]. 经济地理, 2015, 35(11): 36-44. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201511006.htm TANG C C, LIU H D. Construction of government performance appraisal system of the major function oriented zones in the Yangtze River Basin[J]. Economic Geography, 2015, 35(11): 36-44. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201511006.htm
[7] 卓蓉蓉, 余斌, 曾菊新, 等. 地域主体功能导向的江汉平原乡村发展能力时空变化[J]. 经济地理, 2019, 39(5): 171-180. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201905020.htm ZHUO R R, YU B, ZENG J X, et al. Spatio-temporal evolution of rural development capacity of Jianghan Plain from the perspective of regional major function[J]. Economic Geography, 2019, 39(5): 171-180. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201905020.htm
[8] 朱跃, 杨兴柱, 杨周, 等. 主体功能视角下皖南旅游区乡村多功能演化特征与影响机制[J]. 地理科学, 2021, 41(5): 815-823. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX202105009.htm ZHU Y, YANG X Z, YANG Z, et al. Evolution characte-ristics and mechanism of rural multifunctionality in south Anhui tourism area based on major function-oriented zones[J]. Scientia Geographica Sinica, 2021, 41(5): 815-823. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX202105009.htm
[9] 刘纪远, 刘文超, 匡文慧, 等. 基于主体功能区规划的中国城乡建设用地扩张时空特征遥感分析[J]. 地理学报, 2016, 71(3): 355-369. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201603002.htm LIU J Y, LIU W C, KUANG W H, et al. Remote sensing- based analysis of the spatiotemporal characteristics of built-up area across China based on the plan for major function-oriented zones[J]. Acta Geographica Sinica, 2016, 71(3): 355-369. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201603002.htm
[10] 林丽群, 李娜, 李国煜, 等. 基于主体功能区的福建省城镇建设用地利用效率研究[J]. 自然资源学报, 2018, 33(6): 1018-1028. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201806009.htm LIN L Q, LI N, LI G Y, et al. Urban construction land-use efficiency evaluation based on the plan for major function-oriented zones in Fujian Province[J]. Journal of Natural Resources, 2018, 33(6): 1018-1028. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201806009.htm
[11] 田秀杰, 符建华. 生态功能区经济发展绩效评价研究——基于黑龙江省的实例[J]. 统计与信息论坛, 2018, 33(3): 87-92. doi: 10.3969/j.issn.1007-3116.2018.03.013 TIAN X J, FU J H. Study on economic development performance evaluation of ecological functional area: based on Heilongjiang Province[J]. Journal of Statistics and Information, 2018, 33(3): 87-92. doi: 10.3969/j.issn.1007-3116.2018.03.013
[12] 李旭辉, 张培钰. 重点开发主体功能区经济社会发展绩效评价体系构建[J]. 统计与决策, 2019, 35(22): 32-36. https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC201922008.htm LI X H, ZHANG P Y. Construction of performance evaluation system for economic and social development in key developed functional zone[J]. Statistics & Decision, 2019, 35(22): 32-36. https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC201922008.htm
[13] 张春慧, 郑荣宝, 陈美招, 等. 主体功能区划基础上的珠江三角洲土地利用效益评价研究[J]. 资源开发与市场, 2016, 32(1): 46-50. doi: 10.3969/j.issn.1005-8141.2016.01.010 ZHANG C H, ZHENG R B, CHEN M Z, et al. Evolution of land use efficiency based on main functional zones in Pearl River Delta[J]. Resource Development & Market, 2016, 32(1): 46-50. doi: 10.3969/j.issn.1005-8141.2016.01.010
[14] 陈磊. 土地资源利用效率研究评述及改进路径理论逻辑——基于主体功能区治理的思考[J]. 水土保持研究, 2022, 29(1): 386-393;403. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY202201052.htm CHEN L. Review on land resources use efficiency and its theoretical logic of improved path——based on the thin-king of main functional areas governance of land space[J]. Research of Soil and Water Conservation, 2022, 29(1): 386-393;403. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY202201052.htm
[15] 夏函, 张万顺, 彭虹, 等. 基于主体功能区规划的中国城市化地区生态功能评估[J]. 地理科学, 2020, 40(6): 882-889. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX202006003.htm XIA H, ZHANG W S, PENG H, et al. Evaluation of ecological functions of urbanized areas based on the plan for major functional areas in China[J]. Scientia Geographica Sinica, 2020, 40(6): 882-889. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX202006003.htm
[16] 于倩楠, 彭勇, 刘政. 基于主体功能区的四川县域生态文明建设成效评估研究[J]. 四川农业大学学报, 2020, 38(5): 624-632. https://www.cnki.com.cn/Article/CJFDTOTAL-SCND202005017.htm YU Q N, PENG Y, LIU Z. Efficiency evaluation based on the major functional zones of ecological civilization construction at county level in Sichuan Province[J]. Journal of Sichuan Agricultural University, 2020, 38(5): 624-632. https://www.cnki.com.cn/Article/CJFDTOTAL-SCND202005017.htm
[17] 樊杰. 我国空间治理体系现代化在"十九大"后的新态势[J]. 中国科学院院刊, 2017, 32(4): 396-404. https://www.cnki.com.cn/Article/CJFDTOTAL-KYYX201704012.htm FAN J. Perspective of China's spatial governance system after 19th CPC National Congress[J]. Bulletin of Chinese Academy of Sciences, 2017, 32(4): 396-404. https://www.cnki.com.cn/Article/CJFDTOTAL-KYYX201704012.htm
[18] 黄征学, 潘彪. 主体功能区规划实施进展、问题及建议[J]. 中国国土资源经济, 2020, 33(4): 4-9. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDKJ202004002.htm HUANG Z X, PAN B. Progress, problem and suggestions on the implementation of main functional area planning[J]. Natural Resource Economics of China, 2020, 33(4): 4-9. https://www.cnki.com.cn/Article/CJFDTOTAL-ZDKJ202004002.htm
[19] 广东省人民政府. 广东省主体功能区规划[EB/OL]. (2012-09-14)[2022-03-09]. http://www.gd.gov.cn/gkmlpt/content/0/146/post_146572.html#7. [20] 赖岚岚. 主体功能区背景下粤北发展与地方政府建设研究[D]. 西安: 陕西师范大学, 2013. [21] 王小丹. 主体功能区划背景下广东省土地生态安全评价[D]. 南京: 南京大学, 2013. WANG X D. Evaluation research of land ecological secu- rity based on major function oriented zoning in Guangdong Province[D]. Nanjing: Nanjing University, 2013.
[22] 陈美婷. 广东省土地生态安全预警初步研究[D]. 广州: 中国科学院研究生院(广州地球化学研究所), 2015. CHEN M T. Study on the early-warning of land ecological security of Guangdong Province[D]. Guangzhou: Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, 2015.
[23] 朱松丽. 基于国土空间开发格局的城市化地区和其他功能区碳排放现状——黑黔粤案例研究[J]. 气候变化研究进展, 2016, 12(2): 132-138. https://www.cnki.com.cn/Article/CJFDTOTAL-QHBH201602009.htm ZHU S L. Low-carbon development of urbanization areas in the context of land spatial development pattern—case study of Heilongjiang, Guizhou and Guangdong provinces[J]. Climate Change Research, 2016, 12(2): 132-138. https://www.cnki.com.cn/Article/CJFDTOTAL-QHBH201602009.htm
[24] 谭显春, 赖海萍, 顾佰和, 等. 主体功能区视角下的碳排放核算——以广东省为例[J]. 生态学报, 2018, 38(17): 6292-6301. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201817031.htm TAN X C, LAI H P, GU B H, et al. Carbon emission accounting from the perspective of main functional areas: a case study of Guangdong Province[J]. Acta Ecologica Si-nica, 2018, 38(17): 6292-6301. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201817031.htm
[25] 王容, 王文军, 赵黛青. 广东省主体功能区碳排放特征及驱动因素研究[J]. 新能源进展, 2019, 7(4): 365-373. doi: 10.3969/j.issn.2095-560X.2019.04.010 WANG R, WANG W J, ZHAO D Q. Carbon emission characteristics and driving factors of low carbon development in the main functional areas of Guangdong Province[J]. Advances in New and Renewable Energy, 2019, 7(4): 365-373. doi: 10.3969/j.issn.2095-560X.2019.04.010
[26] 广东省统计局. 广东统计年鉴[EB/OL]. (2018-10-29)[2022-03-09]. http://stats.gd.gov.cn/gdtjnj/index.html. [27] 广东省自然资源厅. 广东省土地利用现状汇总表(2017年)[EB/OL]. (2019-02-15)[2022-03-09]. http://nr.gd.gov.cn/gkmlpt/content/2/2783/post_2783539.html#3125. [28] 广东省自然资源厅. 广东省土地利用现状汇总表[EB/OL]. (2019-02-15)[2022-03-09]. http://nr.gd.gov.cn/gkmlpt/index#3125. [29] 刘英, 赵荣钦, 焦士兴. 河南省土地利用碳源/汇及其变化分析[J]. 水土保持研究, 2010, 17(5): 154-157;162. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201005031.htm LIU Y, ZHAO R Q, JIAO S X. Research on carbon sources/sinks of land use of Henan Province[J]. Research of Soil and Water Conservation, 2010, 17(5): 154-157;162. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201005031.htm
[30] 谢鸿宇, 陈贤生, 林凯荣, 等. 基于碳循环的化石能源及电力生态足迹[J]. 生态学报, 2008, 28(4): 1729-1735. doi: 10.3321/j.issn:1000-0933.2008.04.044 XIE H Y, CHEN X S, LIN K R, et al. The ecological footprint analysis of fossil energy and electricity[J]. Acta Ecologica Sinica, 2008, 28(4): 1729-1735. doi: 10.3321/j.issn:1000-0933.2008.04.044
[31] 杨阳. 贵州省土地利用的碳补偿研究[D]. 贵阳: 贵州师范大学, 2017. YANG Y. Carbon compensation study for land use in Guizhou Province[D]. Guiyang: Guizhou Normal University, 2017.
[32] 方精云, 郭兆迪, 朴世龙, 等. 1981~2000年中国陆地植被碳汇的估算[J]. 中国科学(D辑: 地球科学), 2007, 37(6): 804-812. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK200706011.htm [33] 张俊峰, 张安录, 董捷. 武汉城市圈土地利用碳排放效应分析及因素分解研究[J]. 长江流域资源与环境, 2014, 23(5): 595-602. https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201405001.htm ZHANG J F, ZHANG A L, DONG J. Carbon emission effect of land use and influencing factors decomposition of carbon emission in Wuhan Urban Agglomeration[J]. Resources and Environment in the Yangtze Basin, 2014, 23(5): 595-602. https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201405001.htm
[34] 李克让. 土地利用变化和温室气体净排放与陆地生态系统碳循环[M]. 北京: 气象出版社, 2000. [35] 徐影, 郭楠, 茹凯丽, 等. 碳中和视角下福建省国土空间分区特征与优化策略[J]. 应用生态学报, 2022, 33(2): 500-508. https://www.cnki.com.cn/Article/CJFDTOTAL-YYSB202202025.htm XU Y, GUO N, RU K L, et al. Characteristics and optimization strategies of territorial space zone in Fujian Pro-vince, China based on carbon neutrality[J]. Chinese Journal of Applied Ecology, 2022, 33(2): 500-508. https://www.cnki.com.cn/Article/CJFDTOTAL-YYSB202202025.htm